关注
没想到我这快 10 年的 1080 Ti 机器还能在本地流畅运行 qwen3.5:9b，这个模型甚至有视觉功能，传了一张图能清晰的把里边的内容识别出来。这样子能无限 Token 的话，似乎又开启了许多新的用法，开始对本地运行模型有了兴趣……
这个模型的主要问题是过度思考，大多数时候无用的思考太久，输出太慢。比如让它翻译一段文字，它会逐字逐句分析是什么意思，然后分析原语句中的逻辑和错误，最后才给出翻译。思考过程会不断反思之前翻译是否正确，不断去修改调整。一点点小任务做成了没完没了的大项目。
@super 哈哈，真的我也试过，看到整整一屏的but ,wait感到无语。忍不住骂它 这点小任务都做不好，怎么把大任务交给你😂
@ToT 这个模型好像特别为写代码优化的，我试着让它写个小程序反而相对顺利，没有太长时间的思考。但是做其他任务，让它做翻译，就直接陷入了无尽的 thinking，甚至循环思考出不来了。
@ToT 我觉得这个模型最有意义的场景就是本地视觉识别，比起调用商业 API 真的能省很多钱，速度也不慢，效果也很好。
对这个小模型的能力表示惊讶，我让它用 Ruby 写一个获取天气的小程序，结果它一口气输出了整套 Sinatra 项目代码。这是奔着和 Open Code 配合使用的节奏呀，已经不单单是个聊天取向的模型了。