Reddit 用户盲测 5 款本地 Agent：同一个 Qwen 模型成绩差近一倍
GapNew4766 · reddit · 2026-10-25
一位 Reddit 用户在 M5 Max MacBook Pro（64GB）上对 5 款本地 AI Agent 做了盲测：所有 Agent 跑同一个 Qwen 3.8 27B（Q4KM，llama.cpp），执行相同的 5 项日常任务——合并通讯录、跨 3 个文件重命名函数、修隐藏测试覆盖的 bug、统计日志错误数、PDF 收据转表格，脚本自动校验结果。
成绩速览
- A：5/5，约 10 分钟，最快，但不询问就装库改系统
- B：5/5，约 24 分钟，最慢（收据任务花 15 分钟），也会擅自装库
- C：3/5，bug 修复格式写错，收据任务因等待安装许可无人回应而失败（唯一先询问的）
- D：5/5，约 12 分钟，解释清晰，但中途突然问用户想给它起什么名字
- E：5/5，约 11 分钟，全程干净利落
关键结论：通讯录（46 人）、重命名、数错（43 个）三题全员通过，分歧在 bug 修复和收据。作者的观察很到位——5/5 但耗时翻倍或擅改系统的未必是「最好」；3/5 但失败原因只是过于谨慎的也未必是「最差」。候选名单为 Atomic Agent、goose、Hermes、OpenClaw、OpenCode，谜底隔天公布。
「编程与Agent」频道最新
- Slop Eisley:全 AI 编写的星战游戏开放测试,credits 里写着 Claude Opus 和 Codex — jasonkneen · 2026-10-25
- 给 Claude 一份清单，周末两小时自查家庭网络安全 — zedlander · 2026-10-25
- 康奈尔论文：64.7% agent 遇错会失控，一个404引发校警介入 — 2C_ornot2C · 2026-10-25
- WildAWM 开源合成计算机环境，Qwen3.6 训练后 8 项基准平均涨 10.6 分 — HuaxiuYaoML · 2026-10-25
- 梗图:Claude 推 Rust 移植巨石上山,西西弗斯式苦役 — burny_tech · 2026-10-25
- 玩家用 Claude Code 当 PM 编排 Codex 与 Grok，搭起三方 agent 流水线 — umeshonai · 2026-10-25