我的笔记本上的Qwen3.6-35B-A3B画出的鹈鹕比Claude Opus 4.7更好

# Qwen3.6-35B-A3B 在我的笔记本上画出的鹈鹕比 Claude Opus 4.7 更好 来源：https://simonwillison.net/2026/Apr/16/qwen-beats-opus/ 2026年4月16日 对于那些（不明智地）把我的 `pelican riding a bicycle` 基准测试（https://simonwillison.net/tags/pelican-riding-a-bicycle/）认真当作测试模型的稳健方法的人，以下是今早两大模型发布——阿里巴巴的 Qwen3.6-35B-A3B（https://qwen.ai/blog?id=qwen3.6-35b-a3b）和 Anthropic 的 Claude Opus 4.7（https://www.anthropic.com/news/claude-opus-4-7）——所画的鹈鹕。 这是 Qwen 3.6 的鹈鹕，使用 Unsloth 的量化模型 `Qwen3.6-35B-A3B-UD-Q4_K_S.gguf`（https://huggingface.co/unsloth/Qwen3.6-35B-A3B-GGUF/blob/main/Qwen3.6-35B-A3B-UD-Q4_K_S.gguf）（20.9GB），通过 LM Studio（https://lmstudio.ai/）和 `llm-lmstudio`（https://github.com/agustif/llm-lmstudio）插件在我的 MacBook Pro M5 上运行——对话记录在此（https://gist.github.com/simonw/4389d355d8e162bc6e4547da214f7dd2）： 自行车车架形状正确。天空中有云朵。鹈鹕的喉囊看起来蠢萌。地面上的文字写着“Pelican on a Bicycle!” 这是我从 Anthropic 全新的 Claude Opus 4.7（https://www.anthropic.com/news/claude-opus-4-7）得到的（对话记录（https://gist.github.com/simonw/afcb19addf3f38eb1996e1ebe749c118））： 自行车车架形状完全不对。没有云，只有一个黄色的太阳。鹈鹕正在回头看自己的身后，喉囊也没有我期望的那么明显。 这一局我给 Qwen 3.6。Opus 居然把自行车车架画错了！ 我又用 `thinking_level: max` 试了一次 Opus，结果也没好到哪里去（对话记录（https://gist.github.com/simonw/7566e04a81accfb9affda83451c0f363））： 自行车车架形状完全不对，而且错法不同了。线条更粗。鹈鹕看起来稍微更像鹈鹕了。 #### 我不认为 Qwen 在作弊 很多人确信这些实验室在针对我的愚蠢基准测试进行训练（https://simonwillison.net/2025/Nov/13/training-for-pelicans-riding-bicycles/）。我并不这么认为，但说实话，这个结果确实让我心里闪过一丝疑虑。所以我公开一个秘密备用测试——以下是我从 Qwen3.6-35B-A3B 和 Opus 4.7 那里得到的“生成一只火烈鸟骑独轮车的 SVG”： 这一局我也给 Qwen，部分原因是它出色的 SVG 注释 `<!-- Sunglasses on flamingo! -->`。 #### 我们能从中得到什么教训？ 鹈鹕基准测试一直是玩笑——它主要是在说明比较这些模型是多么尴尬和荒谬的一项任务。 这个玩笑的怪异之处在于，大多数情况下，鹈鹕画的质量与模型的通用实用性之间存在直接关联。那些 2024 年 10 月的首批鹈鹕（https://simonwillison.net/2024/Oct/25/pelicans-on-a-bicycle/）简直一塌糊涂。而近期的作品（https://simonwillison.net/tags/pelican-riding-a-bicycle/）通常要好得多——以至于 Gemini 3.1 Pro 产生的插图（https://simonwillison.net/2026/Feb/19/gemini-31-pro/）你甚至能在某些场合真正使用，前提是你有急迫的需要画一只骑自行车的鹈鹕。 而如今，连这种松散的实用性关联也被打破了。我非常尊重 Qwen，但我非常怀疑一个 21GB 的量化版本会比 Anthropic 最新的专有发布更强大或更有用。 不过，如果你需要的就是一幅鹈鹕骑自行车的 SVG 插图，那么目前来看，在笔记本上运行的 Qwen3.6-35B-A3B 比 Opus 4.7 更靠谱！