Reddit 用户这周做了组对照测试，162 个隐藏用例跑下来，本地版 Qwen 和付费版 Claude Opus 4.6 都拿了 92.7 分。开源模型在代码任务上和顶级闭源打成平手，这件事值得记一笔。
这是什么
测试条件并不复杂：三段 Python 代码任务，从易到难分别是日志分析器、并行进程管理器、一个小型编程语言解释器。每道题同条件同指令，每个模型只跑一次，再加 162 个隐藏测试打分。
硬件是一台消费级 PC：Intel i5-14400 处理器、48GB 内存、两块 RTX 5060 Ti 显卡，显存共 32GB。Qwen 3.8 27B 量化版本（一种压缩技术，把模型瘦身以便在普通硬件上运行）稳定输出 50 token/s（每秒生成的字词片段数），代码专用版在 50-90 之间。
关键差距不在总分，在风格：Opus 写出来的代码更干净、更易维护；本地版则在异常输入下更不容易崩溃。
行业怎么看
乐观派的声音很直接——"我订阅 Claude 每月 20 美元，本地跑出来差不多，这钱不省白不省"。这种声音在独立开发者圈尤其响亮。
但冷静派会指出三个局限。第一，样本量太小：三个任务、一次尝试，远不足以做产品决策。开源模型的稳定性、长尾表现（极端冷门场景下的发挥），要在生产环境跑几个月才见真章。第二，"打平"只在代码任务上，写作、推理、多模态（同时处理文字、图像等多种信息）仍是闭源领先。第三，硬件门槛不低：32GB 显存的两张卡总投入在五千元人民币上下，电费、调试时间都没算进"省钱"里。
还有一层背景：Anthropic 旗舰版本本身也在更新，Opus 4.6 并不是当前最强。闭源阵营不会坐视开源追赶，差距收窄不等于消失。
对普通人的影响
对企业 IT：评估私有化部署（把模型装在公司内部服务器上，数据不出门）AI 助手时，可以认真考虑开源 + 本地推理（在自家设备上跑 AI，不把数据传给外部）组合；关键看合规要求是否比省钱更重要。
对个人职场：开发者、独立外包、小团队负责人可以拿 Qwen 这类开源模型跑日常编码任务试水，省下的订阅费是真实收益，但生产代码仍建议人工 review。
对消费市场：AI 编程工具"必须订阅"叙事开始松动，未来 12 个月可能看到一批主打本地优先（local-first，把 AI 装在用户自己电脑上）的轻量编辑器插件。