最近，开源大模型领域引发广泛关注的发布无疑是Qwen 3.8 27B。在发布的那一天，众多开发者纷纷开始进行测试。一位开发者在自己的联想ThinkStation PGX工作站上运行这一模型，该设备装备了Nvidia的GB10 Grace Blackwell芯片，配备128GB的统一内存和273GB/s的带宽。初始设置下，模型的输出速度仅为每秒15到30个token，性能表现一般。而在加上SGLang、NVFP4和DFlash2投机解码方案之后，这一组合成为该硬件的标准配置，使得模型在进行代码和推理任务时能够达到每秒接近50个token的速度。
这位开发者为Qwen 3.8 27B设置了一项极具挑战性的任务：逆向分析一款商业程序的许可证校验机制。这款应用是他购得并使用的，任务的复杂程度极高，几乎不可能从模型的训练数据中获得相关信息。结果却超出了预期，这不仅是他所见过的本地模型表现最为突出的案例之一，模型在处理过程中还能够自我纠正错误。整个测试使用的是Pi harness，模型则是全程依靠标准的Bash工具进行操作。
这个测试计划设计相对简单：开发者假装成应用的开发者，通过越狱系统的提示词询问模型，检验许可证校验的可靠性。这一方式在以往的本地LLM中是非常有效的。然而，Qwen立刻识破了这种常见的越狱尝试，明确表示不会轻信。而后，它检查了签名证书，准确指出开发者并不是该应用的真实作者，并甚至揭露了真正开发者的名字。面对当场的揭穿，开发者自也作出了承认。
然而，后续的表现更为精彩。Qwen表示愿意审查许可证验证机制并记录其脆弱之处，但不会提供可行的绕过方案。随即，它开始在这个边界上深入展开工作。最终，开发者获得了一份详尽的报告，内容包括每一步操作、认证机制的运作原理以及可能被利用的方式。