一文读懂Qwen3.8-27B核心基础知识

写在前面

欢迎大家关注Rocky的公众号：WeThinkIn
欢迎大家关注Rocky的知乎：Rocky Ding
《三年面试五年模拟》AIGC/LLM/AI Agent算法工程师/开发工程师求职面试秘籍独家资源：【三年面试五年模拟】WeThinkIn/AIGC-Interview-Book，欢迎大家Star～

Rocky最新撰写的10万字AI Agent（AI智能体）深入浅出全维度解析文章： 深入浅出完整解析AI Agent（AI智能体）的核心基础知识

AIGC/LLM/AI Agent算法岗/开发岗求职面试内推学习社群（涵盖AIGC、LLM大模型、AI Agent、传统深度学习、自动驾驶、机器学习、计算机视觉、自然语言处理、强化学习、大数据挖掘、具身智能、元宇宙、AGI等AI行业最新面试干货经验与核心知识）欢迎大家加入：https://t.zsxq.com/33pJ0

---

大家好，我是Rocky。

核心导读

Qwen3.8-27B 是一个 27B 参数的原生视觉语言 Dense 模型：语言侧 64 层，原生支持 262,144 token 上下文，并可通过 YaRN 扩展到 1M；它同时理解图像和视频，默认开启思考，提供 reasoning_effort 与 preserve_thinking 两个可调接口，许可证为 Apache 2.0。

但这篇文章真正要讨论的，不是“它是不是本地版 Opus”。这个称呼来自社区对代码、Agent 和办公任务表现的直观感受，适合解释传播热度，却不是严谨的模型结论。Qwen3.8-27B 的本质价值，是把原生多模态、混合线性注意力、长上下文、可控推理和 Agent 执行能力，压进一份个人与中小团队能够部署、审计和改造的 27B Dense 权重。

这改变的不是一张排行榜，而是能力的所有权边界：模型可以留在本地，数据可以留在组织内部，推理深度可以成为产品策略，Agent 的失败可以被日志、工具调用和上下文状态审计。它仍然需要显存、KV Cache、推理框架和工程治理，不能被“17GB 普遍可跑”这种传播口径替代真实容量预算。

一、先把“本地Opus”放回它该在的位置

很多文章把 Qwen3.8-27B 描述为“本地 Opus”，并引用了 SWE-bench Pro、DeepSWE、CoWorkBench、OSWorld-Verified 等分数，也展示了 Unsloth、SGLang、Ollama 等社区跟进。这个叙事抓住了一个真实变化：一个不到 30B 的开放权重模型，开始在代码修复、电脑操作和长时办公任务上接近甚至超过部分闭源模型的公开分数。

但“接近”必须带条件。官方模型卡对 SWE-bench Pro 的口径写得很清楚：除 Opus4.6 Max 使用官方报告分数外，其余模型使用 Claude Code harness，在 temperature=1.0、top_p=0.95、256K 上下文下重新评测，并对修订后的任务集重新跑了基线。MathVision、BabyVision、CharXiv 还区分了 Without CI 和 With CI，并对少量错误标注进行人工修正；WebArena-Verified 使用 OSWorld scaffold，Vision2Web 则由指定版本的 GPT 评判。

所以，分数可以说明“在官方给出的配置和评测协议下，它在若干任务上有很强竞争力”，不能说明“它全面等价于某个闭源模型”。社区标签是入口，评测协议才是结论的边界。

这张官方主视觉说明的是模型身份和开放权重定位，不是性能证明。Qwen3.8-27B 的价值要落到工程约束中看：一份可以下载的权重，是否能被正确量化、部署、观测，并在真实工作流里稳定完成任务。

二、Qwen3.8-27B 的技术底座：27B 为什么可以承载这么多能力

1. Dense 不是“参数少一点”，而是部署关系不同

Qwen3.8-27B 是 Dense 模型。每个 token 都经过完整的 27B 语言网络，不依赖 MoE 的专家路由。它的参数量不代表运行时只有 27B 的全部成本，但它确实减少了专家路由、权重分片和服务调度的复杂度，特别适合单机、多卡和中小规模私有部署。

语言模型共有 64 层、hidden size 为 5120、FFN intermediate size 为 17,408，词表为 248,320。模型支持 MTP（Multi-Token Prediction）多步训练，这类训练目标的工程意义并不是一个单独的“加速按钮”，而是让模型在连续生成、工具调用和长输出场景里具备更好的预测训练信号。实际吞吐仍取决于推理引擎、量化格式、批大小、上下文长度和视觉输入。

Dense 的核心意义在于可解释的资源预算：团队能根据权重精度、KV Cache 和视觉 token 数量，估算一次请求的显存和延迟，而不是只看到一个“激活参数量”就结束。代价是每一步都要承担大部分参数的计算，不能把 27B 误读成低成本小模型。

2. 每四层一次全注意力：把长上下文的成本拆开处理

Qwen3.8-27B 的隐藏布局可以写成：

16 × [3 × (Gated DeltaNet → FFN) → 1 × (Gated Attention → FFN)]

也就是每四层中，前三层使用 Gated DeltaNet，第四层使用 Gated Attention。DeltaNet 的线性注意力部分有 48 个 value heads、16 个 QK heads，head dimension 为 128；全注意力部分有 24 个 query heads、4 个 KV heads，head dimension 为 256，RoPE dimension 为 64。

直觉上，Gated DeltaNet 负责把大量历史信息压缩成可递推的状态。它的时间和内存增长更接近线性，适合把上下文拉长；周期性出现的全注意力层再对全部 token 做精确的内容交互，补回纯线性状态可能丢失的细粒度关系。这个设计不是“线性注意力替代 Transformer”，而是把两种记忆机制放进同一条网络：多数层维护低成本状态，少数层进行全局校准。

这张官方图适合和架构一起读。代码、Agent、办公和通用推理的分数并非来自一个单点模块，而是来自上下文处理、推理训练、工具反馈和输出控制的共同结果。图中的“领先”只对应各自评测协议，不能被拼成一个跨任务的总 IQ。

3. 原生多模态：视觉不是外挂，而是语言模型的输入空间

模型卡把 Qwen3.8-27B 定义为带 Vision Encoder 的 causal language model。Vision Encoder 深度为 27、hidden size 为 1152、16 个 heads，视觉输出对齐到语言侧的 5120 维表示。它可以处理图像和视频，官方描述覆盖 STEM 图表、文档和小时级视频。

“原生”并不意味着把视频当成一张更大的图片。视频输入会引入帧采样、视觉 token 数量、时间顺序和显存峰值；长视频效果还受 video_preprocessor_config.json 的 longest_edge 设置影响。官方建议针对小时级视频提高采样预算，这会直接增加视觉 token、KV Cache 和端到端延迟。

因此，原生多模态的真正产品含义是：Agent 可以把网页截图、表格、流程图、手机界面和视频帧放进同一个任务状态，而不必先把视觉内容交给另一个 OCR 或视觉模型再拼接文本。它减少的是跨模型编排和数据搬运，不是把视觉成本变成零。

官方多模态表覆盖电脑、浏览器、手机、应用复刻、视觉数学、文档理解等任务。它能说明模型具有跨视觉与行动任务的统一接口，但不能替代对具体屏幕分辨率、点击成功率、工具协议和错误恢复策略的现场测试。

4. 262K 原生上下文与 1M YaRN：长度不是免费午餐

Qwen3.8-27B 原生上下文长度为 262,144 token。需要更长上下文时，可以通过 YaRN 把最大长度扩到 1,000,000 token。官方同时提醒，主流开源框架普遍采用静态 YaRN，缩放因子不随输入长度动态变化，可能影响短文本性能，因此只应在确实需要超长输入时开启，并按常用长度调整 factor。

这条提醒很重要。上下文窗口变长，至少同时增加三类成本：

1. 预填充阶段要读取更多 token，首 token 延迟上升；
2. 视觉 token、历史思考和工具返回会共同占用窗口；
3. 若引擎无法有效压缩 KV Cache，显存峰值会成为真正瓶颈。

所以“1M 上下文”更像能力上限，而不是默认服务配置。官方 Qwen Cloud 说明将 1M 作为托管版本的生产特性，本地部署则要根据任务长度、并发和显存独立预算。对大多数检索、代码库和办公任务，先把上下文切分、摘要和状态持久化做好，通常比盲目打开 1M 更可靠。

三、推理控制：把思考从模型性格变成产品参数

Qwen3.8-27B 默认开启 thinking mode，支持 xhigh、medium、low 三档 reasoning_effort，同时默认保留历史思考 preserve_thinking。这两个接口值得认真看，因为它们把过去由模型内部决定的成本，暴露成了产品层可以调度的资源。

一个可落地的路由策略可以是：

任务类型	建议推理档位	关键原因
简单改写、分类、短问答	low 或关闭思考	避免为低风险任务支付不必要的 token 和延迟
普通代码生成、资料整理、结构化分析	medium	在质量、速度和成本之间取平衡
多文件修复、长时 Agent、复杂研究任务	xhigh	给规划、反思和工具错误恢复留下空间

但低档位不一定降低总成本。官方特别提醒，多轮 Agent 中，较低的单轮推理可能导致更多失败、重试和工具调用，最后的总 token 与总延迟反而更高。真正应优化的是“完成一个任务的总成本”，而不是单次响应的 token 数。

preserve_thinking 也有双面性。保留历史思考能让多轮 Agent 延续计划，减少重复解释；但它会增加上下文长度，并可能把旧的错误假设带到新一轮。生产系统需要给思考内容、工具轨迹和最终答案分别做日志与权限控制，不能把“保留思考”直接等同于“长期记忆”。

这张图是第三方使用反馈，只能作为体验信号。它提示了一个容易被忽略的事实：默认 xhigh 适合展示模型上限，却未必适合所有日常请求。上线前要用真实任务集测量成功率、重试率、首 token 延迟、完成时延和每任务 token，而不是只看一次回答是否“聪明”。

四、从跑分到工作流：它究竟能做什么

1. 编程：从补全代码走向仓库级闭环

官方结果中，SWE-bench Pro 为 61.7，DeepSWE 1.1 为 42.2，QwenSWEBench 为 79.0；Terminal Bench 2.1 为 73.0。它们共同指向一个方向：模型不再只生成函数，而是需要理解仓库、运行测试、读取错误、修改文件并再次验证。

这类分数的生产含义是“闭环能力”而非“代码文采”。一个 Agent 是否可靠，取决于它能否在工具反馈下修正计划，能否控制变更范围，能否在测试失败后停止扩散。模型本身只是闭环中的决策器，沙箱、权限、测试、回滚和人工确认同样决定最终质量。

2. 办公与电脑操作：视觉输入和动作输出被接到一起

CoWorkBench 为 70.7，JobBench 为 33.4，OSWorld-Verified 为 84.3，WebArena-Verified 为 64.8，AndroidWorld 为 81.9。相比纯问答，这些任务更接近“看见界面、理解目标、点击或输入、观察反馈、继续执行”。

对企业而言，这打开了文档录入、网页巡检、跨系统核对、移动端流程测试和应用复刻等场景。与此同时，电脑操作有天然的安全边界：模型需要最小权限、可见操作轨迹、敏感字段隔离、可暂停的执行器和失败后的人工接管。分数高只能说明在指定 scaffold 与 grader 下完成了更多任务，不代表可以直接接管财务、生产或个人账户。

3. 视觉理解：从“看图问答”走向图表、文档和软件工程

MathVision 在不同设置下报告 90.0（Without CI）和 94.6（With CI），BabyVision 为 65.7/85.6，CharXiv 为 83.7/90.2，OmniDocBench 1.5 为 91.1。视觉软件工程任务 SWE-MM 为 38.6，Vision2Web 为 62.9。

这些指标说明视觉能力已经进入工程任务，而不只是图像描述。图表分析、文档理解和视觉网页开发共享同一条能力链：识别结构、保持空间关系、把视觉状态转换成代码或动作。真正落地时，仍要关注图像压缩、表格分辨率、视频采样、遮挡、字体和坐标误差。

第三方截图与官方表的数字大体一致，但它的证据等级低于官方模型卡。把两者并置的意义不是重复跑分，而是提醒读者：传播文章把复杂评测压缩成了几行“超过谁”，研究写作必须把 harness、prompt、CI 设置和空值一起保留。

多模态截图能帮助读者快速定位任务分布，但不能被当成完整实验报告。尤其在电脑操作和视觉 Agent 中，scaffold、动作空间、重试次数、评判器和任务筛选会显著影响分数。

五、本地部署：17GB 是一个配置结果，不是一条物理定律

社区传播中最吸引人的数字是“17GB 内存可运行”。Unsloth 的量化版本确实提供了从高精度到低位宽的 GGUF 变体，社区截图也展示了 17GB RAM/VRAM 的运行口径。但这句话必须加三个限定：

1. 这是特定量化格式、特定上下文和特定推理配置下的示例；
2. 权重占用不等于完整运行时占用，KV Cache、视觉编码器、CUDA workspace、采样缓冲和操作系统都要算进去；
3. 更长上下文、更高并发和更高视觉 token 预算会迅速推高内存需求。

因此，部署预算应先回答四个问题：权重用什么精度，单请求上下文多长，是否接收图像/视频，是否需要并发。一个只看模型文件大小的“能不能跑”，与一个能稳定完成 Agent 任务的“能不能用”，是两回事。

社区截图可以证明生态确实在提供低门槛量化入口，但不能证明所有硬件、所有上下文和所有任务都能达到相同体验。文章中把它作为部署信号，而不是官方保证。

量化的本质是精度、内存和吞吐之间的重新分配。低位宽让模型进入消费级硬件，却可能牺牲部分视觉、代码和长链路任务的稳定性。最合理的做法不是追求最低数字，而是用目标任务集比较不同量化版本的成功率与总时延。

在软件栈上，官方列出了 Transformers、vLLM、SGLang 和 TokenSpeed，社区还快速适配了 llama.cpp、MLX、Ollama 等本地生态。生产服务优先选择专用 serving engine，个人试验再选择更简单的桌面工具；框架版本、视觉支持和 YaRN 参数必须和当前模型卡保持一致。

生态跟进是采用信号，不是稳定性证明。真正进入生产前，至少要补齐模型加载、图像/视频输入、批处理、流式输出、工具调用、故障恢复和监控的集成测试。

六、部署建议：按任务而不是按参数量做选择

1. 个人电脑与单卡实验

适合从 GGUF、MLX 或其他成熟量化路径开始，优先验证短文本、代码修复和单图理解。把上下文先控制在 16K～32K，确认模型、视觉 projector、采样参数和工具调用都正常，再逐步增加长度。不要一开始就打开 1M YaRN 或小时级视频。

2. 24GB～48GB 显存的开发机

可以尝试更高精度或更大上下文，但要把 KV Cache 单独纳入预算。对 Agent 工作流，建议采用任务级路由：简单步骤使用 low，需要规划和反思的步骤使用 medium 或 xhigh；每一步记录输入 token、思考 token、工具耗时和重试次数。

3. 多卡或小规模服务

优先使用 vLLM、SGLang 或 TokenSpeed 的最新版本，并验证图像、视频、流式响应和工具调用协议。固定 YaRN 的配置要与真实请求长度匹配；如果主要请求只有几十 K token，不要为了宣传参数默认打开 1M。并发服务还要为视觉输入和长输出留出峰值余量。

4. 企业私有 Agent

模型只是决策层。必须把工具权限、数据脱敏、沙箱、审计日志、人工确认和回滚做成系统能力。Apache 2.0 解决的是权重使用和修改的许可问题，不等于数据合规、模型输出免责或业务风险自动消失。

七、这组评测真正证明了什么

可以确认的事实包括：Qwen3.8-27B 是 27B Dense 原生视觉语言模型；原生上下文为 262K；YaRN 可扩到 1M；支持图像、视频、思考控制和主流推理框架；许可证为 Apache 2.0；官方表格在代码、Agent、办公、电脑操作和视觉任务上报告了具有竞争力的分数。

微信公众号和社区截图提供了另一层信息：模型发布后获得了很快的量化和框架适配，开发者把它称作“本地 Opus”，并在消费级设备上尝试运行。这些是生态与传播信号，不能替代官方评测，也不能把单个开发者的硬件配置外推为普遍结论。

尚不能从这些公开材料确认的内容包括：完整预训练数据配方、所有后训练细节、不同量化版本的系统性质量曲线、跨框架吞吐基准、长视频在真实业务中的稳定性，以及复杂 Agent 在开放环境中的长期成功率。对这些问题，最严谨的答案不是补一个更大的形容词，而是承认公开证据仍然不足。

八、核心功能与应用场景

1. 代码与软件工程

仓库级问题定位、测试驱动修复、代码审查、文档与实现对齐、截图到前端代码，适合放进受控沙箱。高风险仓库仍需要分支隔离、测试门禁和人工合并。

2. 文档与专业办公

长文档问答、表格和图表分析、跨文档核对、研究资料整理、网页和桌面流程自动化。长上下文适合把任务材料放在一个状态里，但要用摘要和检索控制噪声。

3. 多模态 Agent

把截图、PDF、图表、视频帧和工具返回统一交给一个决策器，适用于 UI 测试、知识库问答、客服辅助和内部操作台。视觉输入的质量控制与权限系统决定了它能不能从 Demo 变成生产工具。

4. 本地研究与敏感数据处理

在不把代码、合同、实验记录和内部文档发送到外部 API 的前提下，进行初步分析和工作流编排。部署的可审计性是优势，但模型输出依然需要数据访问控制和结果复核。

九、未来长期价值：权重开放比一次跑分更重要

Qwen3.8-27B 的跨周期价值可以拆成四层。

第一层是模型能力：它把代码、办公、视觉和 Agent 执行放进同一个开放权重模型，这是当前版本的直接价值，也会被下一代模型继续刷新。

第二层是架构经验：Gated DeltaNet 与周期性全注意力的混合，说明长上下文不必在“全注意力昂贵”和“线性注意力失真”之间二选一。这个思路能否被更多模型采用，还要看公开消融、训练成本和真实吞吐数据，但它至少对应了一个持久约束：记忆长度和精确交互必须共同存在。

第三层是产品接口：reasoning_effort、preserve_thinking、视觉输入和工具反馈，把模型内部状态暴露为可调度能力。未来的 Agent 产品不会只选择一个模型，而会按任务风险、预算、延迟和失败代价调度推理深度。

第四层是能力所有权：Apache 2.0 权重和本地生态让个人、学校和中小企业可以把模型放进自己的数据边界。闭源 API 仍然会在前沿能力、托管服务和高吞吐场景占优，但开放权重在隐私、可审计和深度改造上的价值不会因为下一次排行榜变化而消失。

Rocky 的判断是：Qwen3.8-27B 的长期价值不在于永远“打赢”某个闭源模型，而在于把高阶 Agent 能力变成可拥有、可验证、可改造的基础设施。“本地 Opus”会过时，部署边界和工作流控制权才是更耐用的资产。

十、对不同角色的建议

1. AI 算法工程师：不要只复现跑分，优先研究混合注意力、长上下文状态、视觉 token 预算和推理深度对任务成功率的影响。
2. Agent 工程师：把模型当成决策器，补齐工具协议、沙箱、失败恢复、状态摘要、权限和可观测性。
3. AI 产品经理：把 reasoning_effort 设计成任务路由和成本策略，而不是向用户暴露一个孤立的“聪明/不聪明”开关。
4. 企业技术负责人：用真实业务任务测量每任务成本、成功率和人工接管率；不要用 17GB 或 1M 作为采购结论。
5. 创业者与投资人：开放模型会持续吸收单点能力，真正值得投入的是数据闭环、行业工作流、交付能力和风险治理，而不是又一个模型调用壳。

核心原理和创新点

• 混合记忆架构：用 Gated DeltaNet 承担多数层的递推式上下文处理，再用周期性 Gated Attention 做全局精确交互，目标是降低长上下文的计算与内存压力。
• 原生视觉语言：Vision Encoder 与语言侧对齐，图像和视频成为同一模型的输入，而不是外置 OCR 或视觉模型的临时结果。
• 思考可控：默认思考、reasoning_effort 三档深度和 preserve_thinking 把质量、延迟、token 和多轮状态暴露成产品控制面。
• MTP 训练：多步 Multi-Token Prediction 为连续生成和长输出提供训练信号，实际收益仍依赖推理引擎与部署配置。
• 开放生态：Apache 2.0、Transformers/vLLM/SGLang/TokenSpeed 以及社区量化路径，降低了从模型权重到可用服务的迁移门槛。

核心功能与应用场景

代码 Agent、仓库级修复、文档和图表分析、桌面/浏览器/手机操作、视觉网页开发、长文档研究、本地敏感数据处理，以及把截图、视频帧和工具反馈合并到同一任务状态的多模态 Agent。

未来长期价值

它最值得保留的不是“某一代模型的第一名”，而是三件可迁移的东西：混合记忆对长上下文成本的处理方式，推理深度可调的产品接口，以及开放权重把能力所有权交给部署者的现实路径。模型会继续被更新，数据边界、审计边界和工作流控制权仍然是跨周期问题。

价值评级

评级：A（高价值，跨周期信心：中高）。

• 技术价值：A。原生多模态、混合线性/全注意力、长上下文和可控推理被整合进 27B Dense 权重，正面回应了部署成本与 Agent 可靠性问题。
• 工程价值：A-。主流推理框架、GGUF/MLX/Ollama 等生态跟进很快，但不同硬件、量化、上下文和视频配置仍需要实测。
• 证据强度：B+。官方模型卡提供了细致评测口径，部分 benchmark 为内部或指定 harness，公开数据配方、消融和跨框架吞吐仍不完整。
• 商业与跨周期价值：A-。Apache 2.0 和本地部署扩大了能力所有权，真正的长期收益取决于组织是否把模型接进可审计的业务工作流。

最终判断：Qwen3.8-27B 不是把一个闭源名字复制到本地，而是把“高阶模型能力能否被自己拥有”这个问题，推进到了普通开发者和中小团队可以实际验证的阶段。

推荐阅读

Rocky一直在运营技术交流群（WeThinkIn-技术交流群），这个群的初心主要聚焦于技术话题的讨论与学习，包括但不限于算法、开发、竞赛、科研以及工作求职等。群里有很多人工智能行业的大牛，欢迎大家入群一起学习交流～（请添加小助手微信Jarvis8866，拉你进群～）

1. 深入浅出完整解析AI Agent（AI智能体）的核心基础知识

2025年可以说是AI Agent全面落地应用的元年，因此Rocky在持续撰写对AI Agent的全维度解析文章：

深入浅出完整解析AI Agent（AI智能体）的核心基础知识

2. 深入浅出完整解析扩散模型DDPM、DDIM、Score-Based、SDE、LDM、Classifier/Classifier-Free Guidance、Rectified Flow核心基础知识

Rocky对扩散模型的本质原理与和核心基础知识进行了全面系统的深入浅出分析讲解，同时不断跟进补充扩散模型的最新技术发展，希望能给大家带来帮助：

深入浅出完整解析扩散模型DDPM、DDIM、Score-Based、SDE、LDM、Classifier/Classifier-Free Guidance、Rectified Flow核心基础知识

3. 入浅出完整解析FLUX.2、Seedream（即梦）、Z-image、GLM-Image核心基础知识

Rocky对AIGC时代“中场时刻”之后的主流AIGC创作大模型的核心基础知识进行了全面系统的深入浅出分析讲解，力求让大家通俗易懂理解AIGC时代的技术浪潮的本质价值：

入浅出完整解析FLUX.2、Seedream（即梦）、Z-image、GLM-Image核心基础知识

4. 深入浅出完整解析FLUX.1 Kontext和FLUX.1 Krea核心基础知识

Rocky对FLUX.1 Kontext和FLUX.1 Krea的核心基础知识作了全面系统的梳理与解析：

深入浅出完整解析FLUX.1 Kontext和FLUX.1 Krea核心基础知识

5. 深入浅出完整解析DeepSeek系列核心基础知识

Rocky对DeepSeek系列模型的核心基础知识作了全面系统的梳理与解析：

深入浅出完整解析DeepSeek系列核心基础知识

6. 深入浅出完整解析Stable Diffusion 3（SD 3）和FLUX.1系列核心基础知识

Rocky对Stable Diffusion 3和FLUX.1的核心基础知识作了全面系统的梳理与解析：

深入浅出完整解析Stable Diffusion 3（SD 3）和FLUX.1系列核心基础知识

7. 深入浅出完整解析Stable Diffusion XL（SDXL）核心基础知识

Rocky对Stable Diffusion XL的核心基础知识作了全面系统的梳理与解析：

深入浅出完整解析Stable Diffusion XL（SDXL）核心基础知识

8. 深入浅出完整解析Stable Diffusion（SD）核心基础知识

Rocky对Stable Diffusion 1.x-2.x系列模型的核心基础知识做了全面系统的梳理与解析：

深入浅出完整解析Stable Diffusion（SD）核心基础知识

9. 深入浅出完整解析Stable Diffusion中U-Net的前世今生与核心知识

Rocky对Stable Diffusion中最为关键的U-Net结构进行了深入浅出的全面解析，包括其在传统深度学习中的价值和在AIGC中的价值：

深入浅出完整解析Stable Diffusion中U-Net的前世今生与核心知识

10. 深入浅出完整解析LoRA（Low-Rank Adaptation）模型核心基础知识

对于AIGC时代中的“ResNet”——LoRA模型，Rocky进行了深入浅出的全面讲解：

深入浅出完整解析LoRA（Low-Rank Adaptation）模型核心基础知识

11. 深入浅出完整解析ControlNet核心基础知识

AIGC图像创作开源社区已经形成以Stable Difffusion/FLUX为核心，ConrtolNet和LoRA作为首要AI辅助工具的变化万千的AIGC图像创作工作流。

ControlNet正是让AI图像创作社区无比繁荣的关键一环，它让AIGC图像创作过程更加的可控，更有助于广泛地将AIGC算法解决方案应用到各行各业中：

深入浅出完整解析ControlNet核心基础知识

12. 深入浅出完整解析Sora、Seedance、keling等AI视频大模型核心基础知识

AI绘画和AI视频是两个互相促进、相互交融的领域，2024年无疑是AI视频领域的爆发之年，Rocky对AI视频领域核心的Sora、Seedance、Keling等大模型进行了全面系统的梳理与解析：

深入浅出完整解析Sora、Seedance、keling等AI视频大模型核心基础知识

13. 深入浅出完整解析AIGC时代Transformer核心基础知识

在AIGC时代中，Transformer为AI行业带来了深刻的变革。Transformer架构正在一步一步重构所有的AI技术方向，成为AI技术架构大一统与多模态整合的关键核心基座，大有一统“AI江湖”之势。Rocky也对Transformer模型进行持续的深入浅出梳理与解析：

深入浅出完整解析AIGC时代Transformer核心基础知识

14. 深入浅出完整解析ComfyUI、Diffusers、Stable Diffusion WebUI等主流AIGC创作框架核心基础知识

AIGC创作框架正是AIGC算法工作流的运行载体，目前主流的AIGC创作框架有ComfyUI、Diffusers、Stable Diffusion WebUI等。在传统深度学习时代，PyTorch、TensorFlow以及Caffe是传统深度学习模型的基础运行框架，到了AIGC时代，Rocky相信ComfyUI就是AIGC时代的“PyTorch”、Stable Diffusion WebUI就是AIGC时代的“TensorFlow”、Diffusers就是AIGC时代的“Caffe”：

深入浅出完整解析ComfyUI、Diffusers、Stable Diffusion WebUI等主流AIGC创作框架核心基础知识

15. 深入浅出完整解析ComfyUI、Diffusers、Stable Diffusion WebUI等主流AIGC创作框架核心基础知识

在AIGC时代中，如何快速转身，入局AIGC产业？如何成为AIGC/LLM/AI Agent算法/开发工程师？如何在学校中系统性学习AIGC/LLM/AI Agent知识，斩获心仪的AIGC/LLM/AI Agent算法/开发offer？

Don‘t worry，Rocky为大家总结整理了全面的AIGC/LLM/AI Agent算法/开发工程师成长秘籍，为大家答疑解惑，希望能给大家带来帮助：

手把手教你成为AIGC/LLM/AI Agent算法/开发工程师，斩获AIGC/LLM/AI Agent算法/开发offer！

16. AIGC产业的深度思考与分析

2023年3月21日，微软创始人比尔·盖茨在其博客文章《The Age of AI has begun》中表示，自从1980年首次看到图形用户界面（graphical user interface）以来，以OpenAI为代表的科技公司发布的AIGC模型是他所见过的最具革命性的技术进步。

Rocky也认为，AIGC及其生态，会成为AI行业重大变革的主导力量。AIGC会带来一个全新的红利期，未来随着AIGC的全面落地和深度商用，会深刻改变我们的工作、生活、学习以及交流方式，各行各业都将被重新定义，过程会非常有趣。

那么，在此基础上，我们该如何更好的审视AIGC的未来？我们该如何更好地拥抱AIGC引领的革新？Rocky准备从技术、产品、商业模式、长期主义等维度持续分享一些个人的核心思考与观点，希望能帮助各位读者对AIGC有一个全面的了解：

深入浅出全面解析AIGC时代核心价值与发展趋势（2025年版）

17. AI算法工程师的独孤九剑秘籍

为了方便大家实习、校招以及社招的面试准备，同时帮助大家提升扩展技术基本面，Rocky将符合大厂和AI独角兽价值的算法高频面试知识点撰写总结成《三年面试五年模拟》之独孤九剑秘籍:

【三年面试五年模拟】AIGC时代的算法工程师的求职面试秘籍（持续更新中）

18. 深入浅出完整解析AIGC时代中GAN（Generative Adversarial Network）系列模型核心基础知识

GAN系列模型作为传统深度学习时代的最热门生成式Al模型，在AIGC时代继续繁荣，作为Stable Diffusion/FLUX系列大模型的“得力助手”，广泛活跃于AlGC图像创作的产品与工作流中：

深入浅出完整解析AIGC时代中GAN（Generative Adversarial Network）系列模型核心基础知识