5x for Free：本地编程栈

简而言之：一场 500+ 评论的 HN 讨论揭示了本地 AI 编程的现状——Qwen 3.6 35B 在模型提及中占据主导，而 Pi 在智能体方面领先。

今天，一个 Hacker News 帖子提出了一个简单的问题：“有人用本地模型替代 Claude/GPT 来做日常编程吗？”¹ 500+ 条评论之后，本地编程技术栈的全貌清晰浮现。

Qwen 3.6 35B-A3B 以 33% 的提及率在模型中占据主导，紧随其后的是 27B 变体，占 20%。DeepSeek Pro 和 Gemma4 31B 跻身前四。共同点在于：混合专家架构，能在消费级硬件上快速运行。²

在智能体方面，Pi 以 49% 领先，OpenCode 以 45% 紧随其后。两者都是为本地推理设计的轻量级框架。

这个帖子揭示了一个引人入胜的权衡。一位评论者完美地概括了这一点：

把智能体化的 Qwen3.6 35b 与 Claude Opus 相比，就像是一个知识面广但需要你悉心引导的初级工程师，对比一个能和你一起思考架构的资深工程师。如果 Opus 带来 15 倍提速，那么本地且完全离线的 Qwen 带来 5 倍提速。

但对许多人来说，这个权衡是值得的。隐私、零成本以及完全离线能力都很重要。

考虑到它完全免费，这对我来说仍然令人难以置信。

本地编码技术栈正在快速成熟。Qwen 3.6 35B-A3B 已成为事实上的标准，而 Pi 则是领先的 harness。

基准数据也印证了这一情绪。Qwen3.6 27B 得分 77.2%，而 MoE 变体 Qwen3.6 35B-A3B 则达到 73.4%。这两款本地模型与 Claude Sonnet 4.6（79.6%）的差距已近在咫尺。³

这正是minimill 模式在实时上演。它不仅仅用于 CRM 更新和网络调研。当前这一代本地模型已经足以胜任合理的编码任务。

1. https://news.ycombinator.com/item?id=48542100 ↩︎

2. MoE 模型是那种仅激活其总参数量中一小部分的大型模型。Qwen 3.6 35B-A3B 拥有 350 亿总参数，但在推理时仅激活 30 亿，而 27B 变体则每次运行全部 270 亿参数。↩︎

3. SWE-bench Verified 得分来自 llm-stats.com 与 morphllm.com，2026 年 6 月。↩︎