今天，Hacker News 上一个帖子问了一个简单的问题：“有没有人已经用本地模型取代了 Claude/GPT 进行日常编码？”¹ 500 多条评论之后，本地编码技术栈的清晰图景浮现出来。

Qwen 3.6 35B-A3B 在模型提及率中以 33% 占据主导地位，紧随其后的是 27B 版本（20%）。DeepSeek Pro 和 Gemma4 31B 构成了前四名。共同点是：在消费级硬件上运行快速的混合专家架构。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道：

将智能体的 Qwen3.6 35b 与 Claude Opus 进行比较，就像是一位知识全面的初级员工，需要你仔细引导，对比一位与你一起思考架构的高级员工。如果 Opus 带来 15 倍加速，那么完全离线的本地 Qwen 则带来 5 倍加速。

但对许多人来说，这种权衡是值得的。隐私、零成本以及完全离线能力至关重要。

考虑到它完全免费，这仍然让我感到难以置信。

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，Pi 则是领先的框架。

基准测试数据支持了这种看法。Qwen3.6 27B 得分为 77.2%，MoE 变体 Qwen3.6 35B-A3B 达到 73.4%。这两个本地模型与 Claude Sonnet 4.6（79.6%）的差距非常小。³

这就是“微型工厂”模式在实时上演。它不仅仅适用于 CRM 更新和网络研究。当前这一代本地模型已经足够胜任合理的编码任务。