Zkušenosti s lokálními modely pro programování: Qwen3.6 vs. Claude

Na platformě Hacker News probíhá diskuze o nahrazení modelů jako Claude a GPT lokálními alternativami pro každodenní programování. Uživatelé sdílejí své zkušenosti s modely Qwen3.6 a Qwen3.5, přičemž se zaměřují na výkon, technické detaily a osobní nastavení.

Uživatel cloudking popisuje, jak na svém Macu používá model Qwen3.6 35b pro redesign webu. Podle něj Qwen3.6 poskytuje 5x zrychlení oproti Claude Opus, který nabízí 15x zrychlení. Nicméně, Qwen3.6 má problémy s přesností a často se dostává do smyček, což vyžaduje od uživatelů přesné pokyny.

Další uživatel, lambda, sdílí své nastavení s Qwen3.6 35B-A3B a dalšími modely. Zmiňuje, že Qwen3.6 nyní podporuje techniku uchovávání myšlení, což zlepšuje výkon při dlouhých sekvencích. Tato funkce je důležitá, protože některé starší modely nebyly trénovány na uchovávání myšlení, což mohlo negativně ovlivnit výkon.

Výkon modelů je také zajímavým tématem. Qwen3.6 35b dosahuje rychlosti 55 tokenů za sekundu (tok/s) při použití MTP, zatímco Qwen3.5 122b běží na 30 tok/s. Tato čísla ukazují, že i když Qwen3.6 může být rychlejší, uživatelé stále experimentují s různými nastaveními a optimalizacemi pro dosažení lepších výsledků.

Diskuze také ukazuje, že někteří uživatelé jsou skeptičtí vůči AI a preferují tradiční metody programování. Uživatelé se snaží optimalizovat své nastavení pro různé modely a diskutují o technických problémech, jako je reprocessování kontextu mezi turny.

Tato diskuze ukazuje, že lokální modely jako Qwen3.6 a Qwen3.5 nabízejí alternativu k cloudovým modelům, ale zároveň přinášejí své vlastní výzvy a omezení.