8GB 显卡就能跑！Qwen3.8 27B 无审查版 AI 模型本地部署教程｜MTP 加速 + llama.cpp 一键运行

大家好，我是超哥。今天给大家分享 Qwen3.8-27B 无审查版多模态 AI 大模型的本地部署教程！这款模型主打开放式对话与强大的文本推理能力，支持最高 262K 超长上下文和 MTP 加速技术，同时还支持图片识别与理解。今天我们将使用 llama.cpp 在本地部署这个模型，并接入 Hermes Agent。下面我们开始教程！

博主电脑环境

显卡：NVIDIA RTX 4080 SUPER（16GB）

CPU：AMD R9 7900X 12-Core Processor（12核）

内存：64GB DDR5（3600 MHz）

一、Qwen3.8 27B 大模型下载

夸克网盘模型下载地址：https://pan.quark.cn/s/64a07524a24e?pwd=AytQ

Hugging Face 模型下载地址：https://huggingface.co/JonathanColetti/Qwen3.8-27B-Uncensored-GGUF/tree/main

Qwen3.8 27B 模型版本选择推荐：

二、下载并配置 llama.cpp

1、下载并安装 llama.cpp

夸克网盘下载地址：https://pan.quark.cn/s/cb446ec27f32?pwd=pRrC

Github 下载地址：https://github.com/ggml-org/llama.cpp/releases

注意：显卡用户别忘了下载下图主程序后面的DLLs文件，下载后把里面的内容解压到llama.ccp主程序的根目录里，不然无法使用显卡运行模型。

2、Qwen3.8 27B 接入 llama.cpp

把下载到的大模型放到 llama.ccp 程序的根目录下的 models 目录里（需自行创建目录）

3、配置启动脚本

llama.ccp 程序的根目录创建启动脚本，命名成：启动.bat

@echo off
chcp 65001 >nul
title Qwen3.8-27B-Uncensored-GGUF - llama.cpp

cd /d "%~dp0"

echo.
echo ========================================
echo       XChaoGe.Com
echo       llama.cpp Local AI Server
echo ========================================
echo.
echo       Model: Qwen3.8-27B-Uncensored
echo.

llama-server.exe ^
  -m "models\模型名" ^
  --mmproj "models\mmproj-Qwen3.8-27B-Uncensored-F16.gguf" ^
  --host 127.0.0.1 ^
  --port 8085 ^
  -c 65536 ^
  --fit on ^
  -fa auto ^
  --jinja ^
  --parallel 1 ^
  --alias Qwen3.8-27B-Uncensored ^
  --temp 0.6 ^
  --top-p 0.95 ^
  --top-k 20 ^
  --repeat-penalty 1.05 ^
  --spec-type draft-mtp ^
  --spec-draft-n-max 4 ^
  -ngl 99 ^
  -n 8192

pause

访问控制面板 URL：

http://127.0.0.1:8085

参数说明：

注意：如果使用不带mtp加速的模型文件，需要去掉下面2个参数

--spec-type draft-mtp ^

--spec-draft-n-max 4 ^

三、接入 Hermes Agent

Hermes Agent 下载地址：https://hermes-agent.nousresearch.com/

OpenAI api 参数：

API 秘钥: 随便填一个

Base URL：http://127.0.0.1:8085/v1