这是什么

一位有 20 年经验的软件工程师（机械工程科班出身）最近在自家电脑上做了一组对比测试：让两个开源大模型——Google 的 Gemma4-31B 和阿里千问的 Qwen3.8-27B——做他日常工作中的两件真实任务。

第一件是「读懂陌生代码库」：给一个他不熟悉的开源项目，让 AI 用 900 字内说清核心抽象、调用方要注意什么、有哪些优缺点。第二件是「从零写项目」：一个原本要他本人花 1-2 天手写的 C# + WPF（Windows 桌面端界面框架）小工具，约 8 段提示词描述需求，让 AI 直接生成。

两个模型都压缩到 Q4 精度（量化，即用更少比特存储参数，让大模型能跑在消费级显卡上），分别用 Codex CLI 和 OpenCode CLI 两种命令行工具做运行环境测试，后者差异不大。

行业怎么看

最终打分：Gemma4 给 B-，Qwen3.8 给 B+。这位工程师观察到两类风格差异——Gemma4 像「快枪手」：理解任务精准、调用次数少（~10 次 vs Qwen 的 20-30 次），但第一版成品只能算勉强过关，要好几轮反馈才能打磨到能用。Qwen3.8 像「笨学生」：小错误多（漏 using 语句、自己绕自己），但目标更高、坚持更久，最终结果反而少一轮返工。

值得肯定的一面：开源本地模型已经从「跑 demo」阶段走到「能交付真实任务」，这对闭源模型是真实的市场压力。

但也需要冷静：这是单个工程师对一个项目的主观评价，不是系统性基准；B+ 仍意味着需要多轮迭代才能收敛到可用；本地跑 31B 量化模型需要 RTX 4090 级别的显卡，单卡投入万元起步；面对 Claude、GPT 这类闭源顶级模型，在更复杂任务上的差距依然存在。

对普通人的影响

对企业 IT：数据不出内网，金融、医疗、政务等敏感行业可以用本地大模型做代码辅助，不再受制于云端 API（云端接口）的数据合规风险。

对个人职场：程序员已能把本地 AI 当结对编程助手，但还远未到替代正式工程师的程度；非技术岗位目前基本用不上。

对消费市场：要本地跑 31B 级别模型，一块万元显卡仍是门槛；普通用户更多会通过云服务间接受益，而不是自己部署。