MathArena/aime_2026数据集上的Qwen3.8-27B模型基准测试表明，采用xhigh推理努力的量化FP8权重取得了29/30的分数，与BF16模型的性能相当，同时提供显著更高的吞吐量。

  • 采用xhigh推理的量化FP8取得29/30（96.7%），与BF16 xhigh持平，但预填充速度更快（3.4K tok/s）和解码速度更快（76 tok/s）。
  • BF16 medium得分为28/30，而BF16 xhigh也达到29/30，但需要更大的上下文窗口，包含258,048个token。
  • FP8模型的表现超过了之前Qwen3.6-27B基线的94.1%，并与Claude Opus 4.6和DeepSeek V4 Pro等前沿模型在96.7%的得分上持平。
  • 由于耗尽了token生成预算而非产生错误答案，BF16 xhigh和FP8 xhigh在两个问题上均产生了空输出。