用户撰文回顾 Qwen 3.8 Flash Next 的使用体验

Qwen 4 即将发布（也许吧？？我们也不知道 Qwen 到底什么时候发 😁），而它很可能会取代我惯用的模型 Qwen 3.8 Flash Next（简称 QFN），所以我觉得现在正是个好时机，来聊聊这个对我来说改变了一切的模型。

你看，我最初玩本地 LLM 纯粹是出于好奇。我并不相信它们真的能派上用场。我以为这不过是个有趣的噱头，一个语言采样工具，偶尔用用还不错，但也就仅此而已。真正的能力还是会掌握在那些刻板印象里贪婪的大公司付费围墙之后。结果没想到，这场全球性的能力比拼竞赛，竟意外地创造出了人人都能在家里使用的、令人难以置信的智能水平¹。以下是我用它做过的所有项目的回忆。

我玩过各种开源模型。大部分我都不记得了，因为其中垃圾实在太多，但我记得比如 Gemma 4 + Qwen 3.6 是个特别不错的组合：Gemma 担任规划者，Qwen 担任编码者。其实我现在偶尔还会用 Gemma 4，因为它在通用事实知识和数学方面非常出色。但有一天我看到 QFN 发布，宣传语说它是 Qwen 4 未来架构的预览版，于是我决定试一试！

QFN 和它的回复方式立刻就有某种不同之处。Gemma 的回复读起来就是你预期中 LLM 的样子，带着各种语言上的怪癖。QFN 从一开始就不一样，有很多听起来相当自然的句子。而且它不会一直拍我马屁，这一点我觉得很烦。

我测试新 LLM 的惯常第一关是三个相当简单的 Python 项目（两个是 CLI，第三个是 Web 服务器²），第一轮我先让模型随心所欲地做（只考察功能），然后在后续环节再引入我的约束条件（比如使用我偏好的特定包，或者增加新的用例）。在 QFN 之前，比如 Claude 做这些毫无问题，但其他本地 LLM 往往就会卡壳。

QFN 可不会！比如，它转眼间就把整个 Python CLI 脚本从 argparse 重写成了 typer，而且让我有点意外的是，风格跟我自己写得很像。我不是史上最好的程序员（大概吧？），但反正，变量名都还行，代码流程可读，它甚至还给我介绍了几个我没意识到已经发布的 typer 新特性。我是说，这些特性到现在很可能已经进了训练集，但我仍然觉得有趣的是，QFN 相比当时已有的其他模型进步有多大！

就像《公园与游憩》里的 Leslie 一样，我也一度遇到了网络连接问题。由于这些问题间歇性发作、难以预测，实在让人寸步难行。我没法在家工作，没法刷手机，最糟的是，我伴侣没法参加她每两周一次的《魔兽世界》经典版团本活动 :)。我本来准备冲 ISP 大吼一顿，但想着可以先问问 LLM 自己，毕竟，我本来就预期从 ISP 那儿得到的是 LLM 式的回复。你看，通过 LLM 提供商使用 LLM 需要可用的网络连接，但你知道什么不需要吗？本地 LLM 推理。所以我给了 QFN 一个证明自己的机会，而它表现得简直绝了。

这是用 QFN 和 OMP 复现当初路由器调试过程的结果。它给我做了个柱状图 🥹，这样我就能看到低频信道里的错误率偏高。这通常是同轴电缆或插座故障的症状，这次的情况也是如此。但说实话，我到现在也没完全搞懂背后的原理。

首先它探查了我的网络设置，弄明白了我从 ISP 那里租的是哪款路由器，然后它搞定了/绕过了它的遥测设置。接着它创建了一个采样脚本，然后……在后台等着。从各频段坏事件直方图来看，它意识到大多数都发生在低频范围，这意味着错误出在我家墙内，而不是 ISP 那边。经过一天的来回调试和全面探查，问题最终落到了我的同轴电缆上，更具体地说，是它和墙上插座的连接处。我把路由器放在墙架上的一个柜子里，插座很难够到。它锈迹斑斑，基本上已经从墙里掉出来了。我重新拧紧并接好之后，网络就完美运行了。到现在依然如此。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）