本地LLM / Qwen 3.8 获胜
摘要
作者描述在编程面试中使用Qwen 3.8,它胜过了GLM Flash,并帮助他们成功通过面试。
自从3.8发布以来,我一直致力于完善我的设置,但不再支付订阅费用。今天我有一个编程面试,提前设置了openrouter作为另一个选项。我以为我可以便宜地使用最新的GLM flash,而且它会很快。结果并非如此。它想得太多,我不得不引导它,所以我同时启动了Qwen。它比GLM完成得更快。它即将开始写文件,所以我取消了GLM会话。Qwen完美完成了。我手动编写了一些测试,然后让Qwen添加了我需要的额外测试。面试表现优异。进入下一步。TL;DR: Qwen 是王者。
相似文章
Qwen 3.8 Flash-Next 与 GLM 5.3 Flash 对比
对 Qwen 3.8 Flash-Next 和 GLM 5.3 Flash 的主观体验比较,指出 QFN 给人的感觉更善于对话和协作,而 GLM 往往跳过讨论,直接开始实施,并请求提供提示词技巧,让 GLM 更具互动性。
@TheAhmadOsman: 我当前的LLMs很稳定 - GLM 5.3 Flash - DeepSeek V4.1 Flash - Qwen 3.8 Next Flash - Qwen 3.8 27B 仅一年前你…
推文突显了GLM、DeepSeek和Qwen等LLMs的性能,指出过去一年AI能力的飞速进展。
Qwen 3.6 27B:本地开发的理想之选
Qwen 3.6 27B 被赞誉为强大的本地 AI 模型,在通用智能方面超越预期,适用于代码生成等实际任务,并能通过 llama.cpp 轻松运行。
我们制作了 Qwen 3.8 27b MLX 视觉量化版本,并与其他流行的社区发布者(lm-studio、lukaskremla、mlx-community 等)进行了比较。
AtomicChat 展示了 Qwen 3.8 27b 模型的 MLX 视觉量化版本,与其他社区构建版本进行比较,并通过详细基准测试证明了低比特 DWQ 构建的改进性能。
实测 OpenCode 与自托管 LLM 的协作:Qwen 3.5、3.6、Gemma 4、Nemotron 3、GLM-4.7 Flash - v2
一位开发者在 RTX 4080 上用 OpenCode 对多款自托管 LLM(Qwen 3.5/3.6、Gemma 4、Nemotron 3、GLM-4.7)进行两项编码任务基准测试,揭示了速度与质量的权衡。