VOLCENGING Qwopus 9B 实测与 OpenClaw 轻量接入报告

如果说 Qwopus 27B v2 更像一个适合放进 OpenClaw 里做“主脑”的模型，那 Qwopus 9B 给我的感觉更像是另一种角色：

它不一定最强，但更轻、更稳，也更适合先把链路接起来。

所以这次我也单独对 9B 端点跑了一轮完整测试，不和 27B 混在一起讲，而是单独回答一个问题：

如果你在 VOLCENGING 上想先把 OpenClaw、OpenAI SDK、轻量工作流跑起来，Qwopus 9B 到底好不好用？

测试端点：

• BASE_URL：https://deployment-xxxx-8000.550w.link
• model：qwopus_9b
• 权重 root：Jackrong/Qwen3.5-9B-Claude-4.6-Opus-Reasoning-Distilled

公开地址：

• Hugging Face：https://huggingface.co/Jackrong/Qwen3.5-9B-Claude-4.6-Opus-Reasoning-Distilled
• 魔搭（v2）：https://www.modelscope.cn/models/Jackrong/Qwen3.5-9B-Claude-4.6-Opus-Reasoning-Distilled-v2

测试结果文件已落本地：

• 博客/z-image-blog/qwopus_9b_test_results_20260331.json

一、先说结论

如果只看这轮实测，9B 的定位其实很清楚：

1. 它比 27B 更适合做“先接起来再说”的入口模型。
2. 它保留了 reasoning 风格，但在不少场景里比 27B 更愿意把最终答案落到 content。
3. 它适合轻量 OpenClaw 工作流、SDK 联调、结构化抽取这类需要快速落地的任务。
4. 但如果你想要一个更像 Claude 的“主脑”，27B 还是更强。

一句话总结：

Qwopus 9B 更像 OpenClaw 的轻量入口模型，不是最强的那个，但往往是最容易先跑通的那个。

二、我实际跑了哪些测试

这次和 27B 一样，还是一套完整测试：

三、服务稳定，基础能力也正常

先看最基础的结果：

• /health 返回 200
• /v1/models 返回 200
• qwopus_9b 可正常发现
• /v1/models 上报的 max_model_len 是 4096
• 非法模型会返回 404

这说明从“服务有没有起来”这个角度看，9B 这台是正常的。

而且从结果看，它的几个基础延迟也比较干净：

• /health：约 1167ms
• /v1/models：约 337ms
• 非法模型：约 330ms

也就是说，它至少不是那种一眼看过去就“不稳定”的端点。

四、第一条好消息：它在短问短答上比 27B 顺手

我先测了一条最简单的 case：

用户输入：“你好，请只回复一句简短问候。”

Case 详情

• 测试类型：非流式 chat completion
• 延迟：1731ms
• finish_reason：stop
• content：有内容
• reasoning：也有内容

这次结果和 27B 很不一样。

它直接给出了最终答案：

你好！

同时它的 reasoning 也很清楚：

1. 理解要求：只回复一句，简短，问候性质
2. 不添加任何额外内容
3. 直接给出问候语

这说明什么？

说明 9B 依然保留了 reasoning 风格，但在这种简单任务上，它更容易把最终结果稳定落到 content 里，而不是像 27B 那样容易把 token 全花在“思考”上。

这也是 9B 很适合当入口模型的第一个原因：

它没有完全丢掉思考能力，但在简单场景下更愿意“先把答案给你”。

五、第二条好消息：它也能做 OpenClaw 工作流规划

我同样给了它一个 OpenClaw 场景：

在 OpenClaw 里做一个“文章抓取、摘要、提炼行动项、发飞书”的工作流，请输出 4 步方案，并补一句最关键的工程提醒。

Case 详情

• 测试类型：非流式 chat completion
• 延迟：29096ms
• finish_reason：stop
• content：完整输出
• reasoning：完整输出

模型最终给出的 4 步方案是：

第一步：使用 OpenClaw 的浏览器或 HTTP 模块抓取目标文章，设置合理的请求间隔避免被封禁。
第二步：调用 LLM 接口生成文章摘要，注意控制 token 用量并验证摘要准确性。
第三步：通过提示工程让模型提取行动项，要求输出结构化 JSON 格式便于后续处理。
第四步：使用飞书开放平台 API 发送消息，实现鉴权、错误重试和日志记录。

它给出的关键工程提醒是：

必须实现完善的异常处理和重试机制，因为网络波动、API 限流和第三方服务故障是此类工作流最常见的失败点。

这条 case 很有意思，因为它说明：

• 9B 不是不会做工作流设计
• 它也能给出成体系的步骤
• 也能给出比较像工程方案的提醒

但和 27B 相比，差别也很明显：

• 9B 的回答更像“整理好的方案”
• 27B 的回答更像“先思考、再规划、再修正”的主脑过程

所以 9B 在这里的感觉更像：

一个能做工作流规划的轻量模型，而不是一个特别强的工作流总控模型。

六、工程风险分析也能做，但更像“实用型助手”

第二个高光 case 是工程风险分析：

用户上传 PDF，系统抽取文本，摘要后写入数据库，再把结果通知到企业微信群。请指出实现这个流程时最容易被忽略的 5 个工程风险，并按优先级排序。

Case 详情

• 测试类型：非流式 chat completion
• 延迟：16487ms
• finish_reason：length
• content：有内容，但被截断
• reasoning：有内容

它给出的前几项风险包括：

1. 文件类型与内容校验
2. 摘要服务的非确定性输出
3. 企业微信通知的幂等性与失败重试
4. 长尾 PDF 处理导致的超时与资源耗尽
5. 数据库事务与消息通知的解耦

这条结果说明两件事：

1. 它是能做工程判断的

不是只会说“注意稳定性”，而是能具体拆到：

• PDF 格式和 OCR 问题
• 摘要结果不确定
• webhook 幂等性
• 大文件超时
• 数据一致性

2. 但它更容易在长回答里被截断

这里它虽然答得不错，但 finish_reason 是 length，说明你如果真的拿它去做这类任务，最好还是：

• 控制回答长度
• 明确要求“只给前 5 条”
• 或者把大任务拆成更小的子问题

这也符合它的定位：

有工程判断能力，但更适合轻量、聚焦、控制输出长度的任务。

七、一个意外亮点：结构化提取比 27B 更稳

我还测了一个结构化提取场景：

从一句话里提取公司、产品、行动项，严格输出 JSON。

Case 详情

• 测试类型：非流式 chat completion
• 延迟：5698ms
• finish_reason：stop
• content：有完整 JSON
• reasoning：有内容

这次 9B 的表现反而比 27B 更稳。

它直接给出了完整 JSON：

{
  "公司": ["VOLCENGING"],
  "产品": ["Qwopus 9B 镜像", "OpenClaw"],
  "行动项": [
    "产品团队计划明天在 OpenClaw 里完成接入验证",
    "本周内输出测试报告"
  ]
}

这说明什么？

说明 9B 在“有 reasoning，但最终还是要老老实实交卷”的场景里，反而更听话。

这也是它适合做入口模型的第二个重要原因：

• 它不像 27B 那样特别容易把 token 花在思考过程里
• 在结构化任务上更容易稳定落到 content

如果你的 OpenClaw 工作流里有很多这种：

• 字段提取
• JSON 输出
• 状态整理
• 规则化汇总

那 9B 很可能比 27B 更顺手。

八、tool calling 和 developer role：边界和 27B 一样

这轮测试里，我也专门测了两个很多人会默认期待“应该能直接用”的能力。

1. tool calling 尝试

我传了标准的 tools 数组，请它“查询今天北京天气并给出建议”。

结果：

• HTTP 400
• 延迟：265ms
• 错误信息：

"auto" tool choice requires --enable-auto-tool-choice and --tool-call-parser to be set

这说明当前这个端点不是模型不会工具调用，而是服务端没有按自动工具调用所需参数完整打开。

2. developer role

我还试了一次 developer 消息角色。

结果：

• HTTP 400
• 延迟：269ms
• 报错：Unexpected message role.

这说明当前这个 OpenAI 兼容层也不接受 developer 角色消息。

换句话说，9B 和 27B 在这两项边界能力上，问题不是模型能力差别，而是当前服务端配置一致。

九、流式输出：依然是 reasoning-first

我还测了一次流式输出，prompt 是：

请写一个三点式的周报模板。

Case 详情

• 测试类型：stream: true
• 首批响应延迟：约 528ms
• 首帧：先返回空 content
• 后续 token：大量 delta.reasoning

前几帧 SSE 的形态是：

data: {"delta":{"role":"assistant","content":""}}
data: {"delta":{"reasoning":"用户"}}
data: {"delta":{"reasoning":"需要"}}
data: {"delta":{"reasoning":"的是一个"}}

这说明 9B 虽然比 27B 更容易把最终答案落到 content，但在流式模式下，它依然保留了很强的 reasoning-first 输出习惯。

所以如果你的前端、SDK 或 OpenClaw 中间层要显示流式结果，仍然建议：

• 不要只盯 content
• 要做好 reasoning chunk 的兼容

十、所以 9B 到底适合什么角色

把这一轮结果放在一起看，9B 的定位其实很清楚。

它强在哪

• 短问短答更稳
• 结构化输出更稳
• 接 OpenAI SDK 更省心
• 做轻量 OpenClaw 工作流更顺手
• 保留了一定的 reasoning 和工程判断能力

它弱在哪

• OpenClaw 工作流规划能力虽然有，但不如 27B 那么“主脑感”
• 长回答更容易被截断
• 流式仍然是 reasoning-first
• tool calling / developer role 依赖服务端支持

所以如果把它放进 OpenClaw，我更建议它承担这些角色：

• 轻量工作流里的执行模型
• 结构化提取节点
• 摘要和整理节点
• 联调和验证阶段的默认模型

而不是一上来就把它当整个复杂 Agent 系统的总控大脑。

十一、和 27B 放在一起，怎么选

如果把两台模型放在一起看，区别其实很直观：

选 9B 的时候

你更在意的是：

• 便宜
• 快
• 稳
• 好接
• 适合先把链路跑通

选 27B 的时候

你更在意的是：

• 更强的任务拆解
• 更像 Claude 的主脑感
• 更适合复杂工作流
• 更适合承担决策节点

所以一句话总结：

• 先接起来、先联调、先做轻量 OpenClaw：选 qwopus_9b
• 想做更像 Claude 的 OpenClaw 主模型：选 qwopus_27b

十二、为什么它也算 Claude 风格平替

如果你把“Claude 平替”理解成“全面替代 Claude”，那不准确。 但如果你的目标是：

• 给 OpenClaw 找一个成本更低的模型
• 给内部 Copilot 找一个随取随用的模型
• 给结构化整理、摘要、提取这类任务找一个稳定入口

那 9B 其实也很像一种 Claude 风格平替。

原因很简单：

1. 便宜：更适合作为持续跑的轻量模型
2. 随取随用：不依赖外部 API 配额
3. 保留了 Claude 风格的思考方式：会先想，再答
4. 比 27B 更适合当“入口层”：尤其是结构化任务和联调阶段

所以 9B 不是“弱版 Claude”，而更像：

一个更适合轻量工作流、结构化任务和 OpenClaw 入口层的 Claude 风格替代品。

十三、如果今天就要开始用，我的建议是什么

如果你现在就在 VOLCENGING 上准备试：

1. 先用预制镜像把 9B 起起来
2. 先接 OpenClaw 跑一条轻量工作流
3. 先把 content / reasoning 兼容做好
4. 确认链路顺了，再决定要不要升级到 27B

这条路径通常比一开始就上 27B 更稳，也更适合真实团队落地。

十四、快速调用示例

curl "https://deployment-xxxx-8000.550w.link/v1/chat/completions" \
  -H "Content-Type: application/json" \
  -d '{
    "model":"qwopus_9b",
    "messages":[
      {"role":"system","content":"你是一个适合 OpenClaw 轻量工作流的推理模型。"},
      {"role":"user","content":"请给我一个 OpenClaw 轻量工作流方案。"}
    ],
    "max_tokens":700,
    "temperature":0.2
  }'

如果你是自己写 OpenClaw 适配层，建议仍然按这个顺序处理：

1. 优先读 choices[0].message.content
2. 若为空，再读 choices[0].message.reasoning
3. 若 finish_reason == "length"，补一个“可能被截断”的兜底提示

十五、最后一句话总结

这次真实测试之后，我对 Qwopus 9B 的定位也很清楚了：

它不是最强的那台，但它是更适合先接起来、先跑起来、先把 OpenClaw 轻量工作流真正落地的那台。

如果你要的是主脑、复杂任务拆解、强工程判断，27B 更合适； 但如果你要的是低成本、好接入、结构化输出更稳、适合先跑通链路，那 9B 反而是更实用的选择。