Der Reddit-Nutzer WonderRico hat einen umfangreichen Community-Benchmark veröffentlicht, der Qwen 3.8 27B in zahlreichen Konfigurationen auf lokalen agentic Coding-Aufgaben testet. Untersucht wurden verschiedene Gewichts-Quantisierungen, Cache-Quantisierungen, Inference-Engines und Reasoning-Effort-Stufen (darunter Medium und XHigh). Als Vergleichsmaßstab dient unter anderem DeepSeek v4 Flash 3107 MXFP4, auf dessen Niveau sich Qwen 3.8 27B im Medium-Modus einordnet. Bemerkenswert ist der Befund zum XHigh-Modus: Obwohl er für schwierige Einzelaufgaben vermarktet wird, zeigt er im agentic Setting keinen messbaren Score-Vorteil gegenüber Medium, generiert dabei aber knapp viermal so viele Tokens. Eine Besonderheit des Benchmarks ist eine NINFER-Konfiguration, die trotz korrekter Medium-Einstellung ein Verhalten wie XHigh zeigte – WonderRico schließt einen eigenen Konfigurationsfehler nicht aus, gibt aber an, die Einstellungen dreifach geprüft zu haben. Die vollständigen Daten und Grafiken sind öffentlich über GitHub Pages einsehbar, sowohl in einer gefilterten 27B-Übersicht als auch in einer detaillierten Breakdown-Ansicht. Der Benchmark unterstreicht, dass Reasoning-Intensität und Token-Effizienz bei agentic Workflows weit stärker ins Gewicht fallen als bei klassischen Single-Prompt-Evaluierungen.