stevibe

stevibe

10,345个推特粉丝

关注

动态

我们知道 Gemma 4 在工具调用方面表现出色，但它的 Web 编码能力如何呢？我给三个 Gemma 4 模型分别导入了 4 张 UI 截图，并要求它们一次性重建，无需任何指导，只需导入图片，输出代码即可。模型阵容： - E4B - 26B A4B (MoE) - 31B Dense （本次跳过了 E2B）请告诉我你觉得哪个模型最难处理。

Qwen3.6 将会开源！让我们投票选出你最喜欢的模型尺寸。我相信大家都知道哪个尺寸最好！

We are planning to open-source the Qwen3.6 models (particularly medium-sized versions) to facilitate local deployment and customization for developers. Please vote for the model size you are **most** anticipating—the community’s voice is vital to us!

Gemma4 刚发布。它的刀具呼叫处理如何？我用 ToolCall-15 测试了 Gemma4 的所有刀具系列。 Gemma4 31b = Qwen3.5 27b。两者都完美地完成了 15/15 的刀具呼叫。但令人惊讶的是： Qwen3.5 9b 已经可以完成 13/15 的刀具调用，而 Gemma4 需要 26b 才能达到相同的效果。

Qwen 正在庆祝 Qwen3.6 Plus 的发布，所以我用两个测试套件对整个 Plus 系列进行了测试。首先，我运行了 ToolCall-15。 Qwen3.6 Plus 表现完美，100% 通过，所有场景均通过。 Qwen3.5 Plus？90%。Qwen Plus？87%。Qwen3-Coder-Plus？80%。测试中仍然会发现一些模型的问题：“搜索冰岛的人口，然后计算其中的 2%。” Qwen3.6 Plus 使用了搜索结果，而其他模型则使用了预先记忆的数字。然后，我运行了 BugFind-15。结果完全相反。 Qwen3.5 Plus 以 94% 的通过率领先，而 Qwen3.6 Plus 则下降到 84%。该系列中最新的模型反而是调试功能最弱的。工具调用功能得到了大幅提升，但调试功能却没有随之改进。 twitter.com/stevibe/status/203...

隆重推出 Gemma 4：我们全新的开放模型系列，您可以在自己的硬件上运行它们。 Gemma 4 专为高级推理和智能体工作流程而构建，我们以 Apache 2.0 许可证发布。以下是新增功能🧵

拥有 16GB 显存的显卡？现在就可以运行所有这些程序了。在 ToolCall-15 和 BugFind-15 测试中，我们测试了 4 个基于 Qwen3.5 的模型：模型： - Qwen3.5:9b Q8（官方） - Jackrong 开发的 Qwopus v3 Q8 - Tesslate 开发的 OmniCoder-9B - bigatuna 开发的 Qwen3.5-9b-Sushi-Coder 总结： - ToolCall-15：Qwopus v3 表现完美，30/30 分，SushiCoder 胜过 Qwen3.5 基础版 - BugFind-15：OmniCoder 反败为胜，以 83% 的准确率位居榜首没有哪个模型能同时赢得两项测试，这才是乐趣所在。开源社区正在蓬勃发展。

DGX Spark 欢迎介面🙈 （约 20 分钟到达一半）

每天使用 Codex/Claude Code 的真正代价是：肌肉记忆已经形成，现在预设会在 AI 命令列介面 (CLI) 中输入 `git push` 而不是在终端中输入。

Loading..