我测试了 Qwen3.8 Flash Next 的 11 种标准 GGUF 量化方法，从 Q4 到 Q1。

在这些单轮、非代理式评估中，我测试的每种标准 GGUF 都保留了 BF16 准确率的 >95%。甚至 IQ1 模型的表现也出人意料地好。

令牌效率的下降则更加明显。在相同工作负载下，量化模型生成的输出令牌数量比 BF16 多出 14% 到 157%。

因此，对于这些非代理式评估，准确率本身显示出相对较少的下降，而令牌效率则给我们提供了更强的信号，表明量化正在影响模型。

剩下的问题是，这如何转化为长代理式轨迹。我现在正在运行这些评估（但不是针对所有模型），并将于下周发布结果。

详情：http://t.cn/AXWOaVFe…

（一如既往，不要将这些结果解读为排名）

http://t.cn/AXWOaVFD