# 本地 Qwen 不是缩水版 Opus，它是另一种工具

> 原标题：Local Qwen isn't a worse Opus, it's a different tool

- 来源：Hacker News 首页
- 发布时间：2026-06-18T03:04:20.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/39120
- 原文：https://blog.alexellis.io/local-ai-is-not-opus/

## 摘要

Alex Ellis 用一块 RTX 6000 Pro 跑本地模型，两三个月就回本了。Qwen 27B 在 SWE-Bench 上只比 Claude Opus 4.8 低 12%，但一到他写的 Go 分布式系统里，量化后的模型就会陷入死循环和幻觉——他仍然不敢让它无人值守干活。正文没披露 token 速度和延迟数据。

## 推荐理由

Alex Ellis 拿自己公司的代码库做了次真实对比，不是跑分党自嗨。Qwen 27B 在 SWE-Bench 上只比 Opus 4.8 低 12%，看着差距不大，但一进他的 Go 分布式系统就翻车——量化后死循环、幻觉，他仍然不敢让模型无人值守干活。我会先打个折：正文没给 token 速度和延迟数据，结论偏个人经验，不是系统性评测。但“跑分接近不等于干活靠谱”这个判断，对正在选型的人很值钱。

## 锐评

Alex Ellis 的这篇长文不是跑分报告，而是一个小软件公司创始人的真实账本。他花 6000 美元买了块 RTX 6000 Pro 跑本地 Qwen 27B，两三个月就靠替代云端 API 调用回了本。在 SWE-Bench 基准上，Qwen 27B 只比 Claude Opus 4.8 低 12%，看起来差距不大。但一到他实际写的 Go 分布式系统代码里，量化后的模型就会陷入死循环和幻觉，生成不可用的代码。所以他现在的用法很明确：本地模型干粗活、处理非关键任务，核心代码和无人值守的 agent 工作流还是交给云端旗舰模型。

文章最大的信息缺口是没给任何 token 生成速度和延迟数据，只说量化后问题变多，但没量化到底慢了多少、卡在哪个环节。另外，他的场景高度集中在 Go 语言和底层基础设施代码，这个结论能不能迁移到 Python、前端或者 CRUD 业务代码上，正文没讨论。回本速度也跟他的 API 调用量强相关，如果你用量没他大，回本周期会拉长不少。