Underdog AI 发布 Saluki 27B：专注工具调用的量化模型

人工智能实验室 Underdog AI 发布 Saluki 27B，为 Qwen3.8-27B 的 2-bit 量化版本，文件大小 7.89GB，主打工具调用。对想本地部署自动化工作流的运营者，这可能是一个值得测试的选项。

发生了什么

IT之家 10 月 10 日消息，人工智能实验室 Underdog AI 本月发布 Saluki 27B 模型。该模型是 Qwen3.8-27B 的 2-bit 量化调优版本，仅保留文字 I/O 能力，文件大小仅有 7.89GB。

Underdog 表示，Saluki 针对智能体应用设计，长于日常推理和工具使用，数学表现则相对逊色。其工具选择和多工具并行调用表现甚至优于全尺寸的 Qwen3.8-27B。

该模型使用标准 llama.cpp 格式，可在标准 llama.cpp 以及基于它构建的应用程序中加载，无需任何自定义编译。

关键事实

• Saluki 27B 是 Qwen3.8-27B 的 2-bit 量化调优版本，文件大小 7.89GB。
• 模型仅保留文字 I/O 能力，不涉及图像等其他模态。
• 官方定位为智能体应用设计，长于日常推理和工具使用，数学表现相对逊色。
• 工具选择和多工具并行调用表现优于全尺寸的 Qwen3.8-27B。
• 模型使用标准 llama.cpp 格式，无需自定义编译即可加载。

我们的分析

Saluki 27B 的看点不在于参数规模，而在于它把能力集中在智能体最需要的环节：理解任务后选择合适工具，并同时协调多个工具完成工作。对自动化内容发布、社媒 API 调用、信息收集等需要“模型驱动工具”的场景来说，这种定位可能让它成为更轻量的执行选项。

文件大小仅有 7.89GB，意味着在本地设备或服务器上运行的门槛相对较低。对于不愿把账号、内容草稿或工作流数据送到外部 API 的运营者来说，一个能本地加载、且明确擅长工具调用的模型，可能成为搭建私有自动化流程的基础组件。

需要留意的是，该模型数学表现相对逊色。因此它更适合作为工具调度和日常文本处理的执行层，而不是数据计算或精确统计的决策层。在选择模型时，应把它放在它擅长的位置。

对运营者意味着什么

• 如果你需要本地运行“自动发帖—调用 API—返回结果”的智能体，先测试 Saluki 27B 的多工具并行调用能力，重点观察它能否稳定完成选工具、传参和结果汇总。
• 把它用于日常文案草稿、信息整理、回复建议等文字 I/O 任务；涉及数据统计、数值计算或需要精确数学判断的环节，换用其他工具或人工处理。
• 由于模型使用标准 llama.cpp 格式且无需自定义编译，可以在现有的 llama.cpp 或相关应用中直接加载，先跑通最小可用流程，再逐步接入社群管理或内容发布工具。
• 在社区运营中若要尝试自动回复或外部信息查询工具调用，建议从低风险任务开始，并对输出做人工复核，避免模型在事实判断或计算上出错。