---
format: "aidr-story-markdown/v1"
id: "69f5bd9058f87f8c2c946d7c872bc19a4da5cc270c76b24e9a59484cc7c89f63"
canonical_url: "https://aidr.today/69f5bd90?lang=vi"
title: "Bổ sung Qwen3.8 27B bằng từ ngữ"
lang: "vi"
requested_lang: "vi"
available_langs: ["en","vi"]
translation_fallback: null
fallback_fields: []
published_at: "2026-10-04T23:34:00.000Z"
category: "Research"
topics: ["llm"]
source_urls: ["https://simonwillison.net/2026/Oct/4/qwen38-addition-in-words/"]
summary: "Nghiên cứu: Qwen3.8 27B addition in words Colin Frasier đã đăng trên Bluesky về một thí nghiệm mà anh thực hiện hơn hai năm trước dùng GPT-4o để xem mô hình này tính tổng nhưng trả kết quả bằng từ ngữ tốt ra sao đối với các con số ngày càng lớn. Đây là biểu đồ kết quả mà anh ấy chia sẻ: Tôi tin chắc GPT-4o không gian lận và dùng máy tính, nhất là vì nó tính sai rất nhiều phép tính, nhưng tôi được truyền cảm hứng để chạy lại thí nghiệm trên phần cứng cục bộ (một máy DGX Spark) nhằm khám phá hiệu ứng trong một môi trường được kiểm soát hoàn toàn. Tôi dán hình ảnh của anh ấy vào một phiên Codex Remote (GPT-6 Astra) và cho chạy lại cùng thí nghiệm dùng Qwen3.8-27B-Q4_K_M.gguf . Đây là kết quả cho một lượt chạy 30 lần thử mỗi tổ hợp khi tắt phần suy luận: Sau đó, tôi chạy lại với tính năng suy luận được bật. Việc này tốn nhiều thời gian hơn cho mỗi cặp, nên thay vì chạy 30 mẫu cho mỗi ô, tôi chỉ chạy đúng một mẫu — dẫn đến một bản đồ nhiệt kém bắt mắt hơn rất nhiều vì mỗi ô hoặc là 100% hoặc là 0%: Mô hình đã ra đáp án đúng trong 167 trên tổng số 169 lần thử, và vì đây là các lần thử một lần duy nhất nên tôi tin chắc một lượt chạy thứ hai sẽ tạo ra các kết quả khác ở đây."
---

# Bổ sung Qwen3\.8 27B bằng từ ngữ

> [Open the canonical story](<https://aidr.today/69f5bd90?lang=vi>)

**Published:** 2026-10-04T23:34:00.000Z
**Category:** Research
**Topics:** llm

## Summary

Nghiên cứu: Qwen3\.8 27B addition in words Colin Frasier đã đăng trên Bluesky về một thí nghiệm mà anh thực hiện hơn hai năm trước dùng GPT\-4o để xem mô hình này tính tổng nhưng trả kết quả bằng từ ngữ tốt ra sao đối với các con số ngày càng lớn\. Đây là biểu đồ kết quả mà anh ấy chia sẻ: Tôi tin chắc GPT\-4o không gian lận và dùng máy tính, nhất là vì nó tính sai rất nhiều phép tính, nhưng tôi được truyền cảm hứng để chạy lại thí nghiệm trên phần cứng cục bộ \(một máy DGX Spark\) nhằm khám phá hiệu ứng trong một môi trường được kiểm soát hoàn toàn\. Tôi dán hình ảnh của anh ấy vào một phiên Codex Remote \(GPT\-6 Astra\) và cho chạy lại cùng thí nghiệm dùng Qwen3\.8\-27B\-Q4\_K\_M\.gguf \. Đây là kết quả cho một lượt chạy 30 lần thử mỗi tổ hợp khi tắt phần suy luận: Sau đó, tôi chạy lại với tính năng suy luận được bật\. Việc này tốn nhiều thời gian hơn cho mỗi cặp, nên thay vì chạy 30 mẫu cho mỗi ô, tôi chỉ chạy đúng một mẫu — dẫn đến một bản đồ nhiệt kém bắt mắt hơn rất nhiều vì mỗi ô hoặc là 100% hoặc là 0%: Mô hình đã ra đáp án đúng trong 167 trên tổng số 169 lần thử, và vì đây là các lần thử một lần duy nhất nên tôi tin chắc một lượt chạy thứ hai sẽ tạo ra các kết quả khác ở đây\.

## Sources

- [Story source](<https://simonwillison.net/2026/Oct/4/qwen38-addition-in-words/>)

