本地模型处理半数日常任务,响应速度优于云端

Tomer Tunguz 博客(VC 分析)·2026-05-11 08:00·104天前·Tomasz Tunguz
AI 导读

一项为期五周的实验发现,在总计约1400项日常工作任务中,约50%可由本地35B参数模型(如Qwen 3.6 35B)成功处理,涵盖邮件、日程、总结和行政事务等类别。性能对比显示,本地模型在常规代理任务上的平均响应时间为2.8秒,比云端Claude Opus 4.5快2.1倍,尽管后者在复杂推理上仍领先约20%。本地模型输出更简洁,云端模型则在结构和代码规范性上更优。随着本地模型性能提升,将计算负载转向本地以应对云端成本已成为必然趋势。

Tomer Tunguz 博客(VC 分析)
精选
67AI 编辑部评分,满分 100

本地模型处理半数日常任务,响应速度优于云端

2026-05-11 08:00· 104天前· Tomasz Tunguz
AI 导读

一项为期五周的实验发现,在总计约1400项日常工作任务中,约50%可由本地35B参数模型(如Qwen 3.6 35B)成功处理,涵盖邮件、日程、总结和行政事务等类别。性能对比显示,本地模型在常规代理任务上的平均响应时间为2.8秒,比云端Claude Opus 4.5快2.1倍,尽管后者在复杂推理上仍领先约20%。本地模型输出更简洁,云端模型则在结构和代码规范性上更优。随着本地模型性能提升,将计算负载转向本地以应对云端成本已成为必然趋势。

推荐理由

Tunguz用数据告诉你,本地35B模型延迟只有Opus的一半且能完成半数任务,对极致追求响应速度的产品思路冲击很大,本地优先可能会从边缘变成主流。

正文 · AI 翻译

简而言之:约半数智能体任务可在本地 35B 模型上运行。真正的优势不在于成本或隐私——而在于延迟。速度快 2.1 倍意味着每次会话中可完成更多迭代周期。

随着 AI 推理需求爆发式增长,我将对我这台小电脑提出更多要求。

具体多多少?

过去五周,我一直在使用本地模型,测试在不依赖云端万亿参数模型的情况下,能完成多少日常工作。答案是半数。

类别 数量 占比 示例
其他 521 35.3% 非结构化请求的统称
日程安排 254 17.2% 检查空闲时间,提议会议时间
市场调研 192 13.0% 竞品分析,融资数据
摘要 184 12.4% 转录稿审阅,视频摘要
邮件与入站消息 170 11.5% 草拟回复、跟进邮件、转发
工程 147 9.9% 调试脚本、API 修复、CLI 任务
行政 10 0.7% 差旅、费用、报销

如果将这 1400 个任务按类别划分,半数可在本地 35B 模型上成功完成。邮件与入站消息、日程安排、摘要及行政类任务合计 618 个(41.8%)。市场调研和工程类任务中,简单任务(数据查询、脚本修复)与复杂任务(多源信息综合、架构决策)大致各占一半。这样加起来就达到了 50%。

使用本地模型有很多理由:隐私、成本、资产折旧。

但实际上,唯一真正重要的因素是延迟。

今天早上我进行了一场头对头基准测试。八个智能体任务,相同的提示词,两个模型均已预热。Qwen 3.6 35B-A3B-4bit 在我的 MacBook Pro M5 上运行,对比通过 API 调用的 Claude Opus 4.5。

Qwen 35B local vs Opus 4.5 cloud : mean 2.8s vs 5.8s, 2.1x speedup

本地模型并不更聪明。Opus 4.5 在推理基准测试上得分高出约 20%。本地模型落后前沿模型 3-4 个月,对于大规模复杂任务,这一差距确实重要。但对于常规智能体任务,它很少产生影响。

Opus 在结构与格式上胜出:项目符号、标题、更整洁的代码。Qwen 在简洁性上胜出,输出 token 数通常只有一半。我逐行对比了每个输出,两个模型都正确完成了任务。对于输出会输入到另一个系统的智能体任务而言,简洁本身就是一种优势。

本地最大化,即将更多推理任务推向本地模型,是对 token 最大化的必然回应。随着本地模型不断改进并缩小与前沿模型的差距,更多用户将把工作负载转移到自己的硬件上。

如果有一半的工作在我的笔记本电脑上能以两倍速度运行,我每次都会选择这个方案。我的小电脑即将证明自己的价值。


  1. 无论你是否使用,MacBook Pro 都在贬值。在转售之前,通过运行本地推理,可以从这个正在贬值的资产中提取计算价值。↩︎

来源:Tomer Tunguz 博客(VC 分析)· tomtunguz.com