本地 Qwen 编码模型实测追平 Claude Opus 4.6,同分 92.7
Short_Regular_7191 · reddit · 2026-10-04
作者用 3 个 Python 任务(日志分析器、并行任务运行器、玩具语言解释器)对比两款本地模型与 Claude Opus 4.6,各一次尝试,用 162 个隐藏测试加固定清单代码评审打分,硬任务计 3 倍权重。
结果(满分 100):
- Claude Opus 4.6:92.7(隐藏测试 162/162 全过)
- Qwen3.8-Flash-Next "Coder"(本地,Strata 剪枝版,IQ1M GGUF):92.7(161/162)
- Qwen 3.8 27B Unsloth Q6:87.0(160/162)
简单任务两个本地模型都赢 Opus(97/92 vs 88),中等任务 Opus 胜,难题 Opus 与 Coder 同为 92。定性差异:Opus 代码更干净易维护,本地 Coder 在异常输入上更少崩溃。
本地配置:i5-14400、48GB 内存、双 RTX 5060 Ti 共 32GB 显存;27B Q6 稳定 50 tokens/s,Coder 平均 60–65 tokens/s。
作者承认局限:每模型只跑一次、2-3 分差距无意义、评审部分由 AI(Claude Fable 5.1)完成但评分表公开、任务规模小不代表大型真实项目表现。结论是:在这个规模的任务上结果已分不出差别,对省钱很有意义。
「模型」频道最新
- 隐性模型 Gestalt 登顶设计基准,领先第二名 Claude 214 分 — soleio · 2026-11-19
- Gemini 4 Neon 亮相:快速推理模型,$3/$15 每百万 tokens — TorturedPoet30 · 2026-11-19
- 截图确认 Gemini 4 Neon 上线,定价 $3/$15 每百万 tokens — Recoil42 · 2026-11-19
- mrfakename 发布 GLM-5.3-Flash 与 Qwen3.8-Flash-Next 去审查版 — mrfakename0 · 2026-11-19
- 医生观察:AI 竞争已按周计,GPT-6 两版仅隔 7 天 — ramos_casals · 2026-11-19
- 数据平台 micro1 上线泄漏检测模型,为基准分数保驾护航 — Exp_Mark · 2026-11-19