人工智能实验室 Underdog AI 于本月发布了一款名为 Saluki 27B 的新模型。该模型基于 Qwen3.8-27B 进行 2-bit 量化与调优，在极低比特压缩下将文件体积控制在 7.89 GB，同时仅保留文字输入输出能力，定位为面向智能体应用的轻量级推理引擎。

据 Underdog 介绍，Saluki 在训练阶段就针对智能体场景做了专门优化，日常推理与工具使用是其强项。在工具选择和多工具并行调用两项关键指标上，Saluki 的表现甚至超过了未量化的全尺寸 Qwen3.8-27B。不过，该模型在数学任务上的表现相对逊色，官方也明确指出了这一取舍。

在部署层面，Saluki 采用标准的 llama.cpp 格式，开发者无需任何自定义编译，即可在原生 llama.cpp 以及基于它构建的各类应用中直接加载运行。这意味着现有 llama.cpp 生态的用户可以较低成本接入该模型，进一步降低了智能体应用的部署门槛。

从行业视角看，Saluki 的发布延续了近期小体积、低比特量化模型在智能体领域的探索趋势。通过牺牲部分数学能力换取工具调用性能的提升，Underdog 试图在资源受限场景下提供一种更务实的方案。目前该模型已在 Hugging Face 平台开放下载，相关技术细节可查阅 Underdog 官网。