Hacker News 580分、498条评论——一个中国开源模型让全球开发者集体兴奋：在笔记本上跑出接近 GPT-5 水平的代码能力。

Qwen 3.6 27B 刷屏 Hacker News

2026年6月30日，波兰开发者 Piotr Migdał 在博客 quesma.com 发表了一篇测评文章《Qwen 3.6 27B is awesome》，被顶到 Hacker News 首页第二名，收获 580 个赞和 498 条评论。

文章开篇就说：“这是第一个让我觉得’本地模型真的能用’的通用模型。”

Qwen 3.6 系列有两个版本：一个 35B MoE（混合专家，A3B 参数激活），速度更快；一个 27B dense（稠密模型），速度较慢但质量更高。作者明确推荐 27B dense 版本，因为它在代码质量上"以小博大"。

为什么 27B 是「甜点」

在 MacBook Max M5 128GB 上跑 8-bit 量化：

模型	引擎	速度	显存占用
Qwen3.6-35B-A3B	llama.cpp + MTP	105 tok/s	45 GB
Qwen3.6-27B	llama.cpp + MTP	32 tok/s	42 GB
DeepSeek-V4-Flash	llama.cpp	33 tok/s	103 GB

关键在于：27B 模型 42GB 的内存占用，刚好能塞进 48GB 的 Apple Silicon；32 tok/s 的速度处于主流 API 的体感范围内；而质量上，它的 AI Benchmark 得分 37，相当于 2025年中期的 GPT-5 / Claude Sonnet 4.5 水平。

在 RTX 5090（32GB 显存）上，用户报告 Q6_K 量化可达 50-67 tok/s，上下文窗口 123k；双卡 3090 方案则能跑出 110 tok/s。

社区热议：MacBook 能跑，但别在腿上跑

iagooar：“我爱我的 MacBook Pro M5 128GB，也爱 Qwen 3.6。但千万别买 MacBook 来跑本地 LLM——你的手指会被烫伤，风扇噪音会让你脑袋爆炸。想跑出最佳效果，买个 Mac Mini M4 64GB，扔地下室去。”

tedivm：“我搞了个双 3090 的 Linux 机器，每张卡功耗限制 250W，搭了个小风道把废热排到室外。机器基本静音，跑 Qwen 3.6 27B 写代码能到 110 tok/s。”

throw1234567891：“SaaS 的 token 用完就没了，但 MacBook 留着。看看那些人每月烧在 API 上的钱，5 个月就能回本一台 MacBook。而且不只是隐私问题——你用 Claude 的时候，是把所有东西都发给了 Anthropic，这太疯狂了。”

Saris：“光是玩 Hermes，一天就烧了 $5 DeepSeek V4 额度。Qwen 3.6 35B 更贵。我在游戏 PC 上跑 35B 能到 50 tok/s，除了多交点电费，硬件都是几年前买的。”

本地 vs 云端：隐私成最大驱动力

文章和评论区最一致的共识是：隐私是选择本地模型的首要原因。

当开发者把代码、配置、业务逻辑全部发给 Claude 或 GPT 的 API 时，这些数据都经过了第三方服务器。对于企业开发者、处理敏感数据的程序员来说，这是一个实实在在的风险。

Qwen 3.6 27B 的出现，让"本地跑出够用质量"从理论变成了现实。42GB 内存、一台 Mac Mini 就能搞定，不需要 GPU 服务器集群。

生态适配：llama.cpp 生态已成熟

作者推荐直接用 llama.cpp 运行，明确反对使用 Ollama（“出于道德原因”）。搭配 unsloth 的量化版本（推荐 Q8_0），支持多 token 预测（MTP）加速。

社区用户报告，Qwen 3.6 27B 已经可以无缝对接 OpenCode、Pi、Hermes 等 AI 编程助手，体验接近 API 调用。

不过也有反面声音。用户 girvo 指出：“Gemma 在除了编程之外的所有任务上都比 Qwen 强。可惜我主要就是用它写代码。”——这对 Qwen 来说反而是个好评。

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】