Qwen 3.6 против Gemma 4: я создал одно и то же приложение локально с использованием обеих версий.

Описание: Какую локальную архитектуру LLM мне лучше использовать в качестве основной для ежедневного программирования — Qwen 3.6 или Gemma 4? Вместо запуска абстрактных бенчмарков я дал обеим моделям одно и то же реальное задание: создать кроссплатформенное настольное приложение для просмотра/редактирования Markdown с использованием Tauri. Одинаковая подсказка, одинаковое оборудование, одинаковый рабочий процесс через OpenCode. Вот что получилось.

Я использую 27-битную Qwen 3.6 и 31-битную Gemma 4 — обе модели Dense, потому что для генерации кода архитектуры Dense неизменно показывают лучшие результаты, чем MoE при сопоставимых размерах.


⏱️ Временные метки:
00:00 Вступление
00:28 Идея теста
01:40 Настройка оборудования и модели
02:38 Qwen 3.6 — этап планирования
03:41 Qwen 3.6 — полная реализация проекта (46 минут)
04:22 Запуск приложения Qwen — отладка и результаты
06:14 Gemma 4 — этап планирования
07:15 Gemma 4 — полная реализация проекта (20 минут)
07:33 Примечание о энергопотреблении
08:03 Запуск приложения Gemma — отладка и результаты
09:26 Заключительное сравнение и выводы

Какую модель вы используете локально для задач программирования? Поделитесь своим опытом в комментариях — мне действительно интересно узнать, что работает для вас.

👍 Если это сравнение помогло, поставьте лайк и подпишитесь, чтобы получать больше контента о локальном ИИ, саморазмещаемых инструментах и ​​одноплатных вычислениях.

#МестныйLLM #Квен #Джемма #Самостоятельныйхостинг #ПрограммированиеИИ