stevibe

stevibe

10,345個推特粉絲

關注

動態

我們知道 Gemma 4 在工具調用方面表現出色，但它的 Web 編碼能力如何呢？我給三個 Gemma 4 模型分別導入了 4 張 UI 截圖，並要求它們一次性重建，無需任何指導，只需導入圖片，輸出代碼即可。模型陣容： - E4B - 26B A4B (MoE) - 31B Dense （本次跳過了 E2B）請告訴我你覺得哪個模型最難處理。

Qwen3.6 將會開源！讓我們投票選出你最喜歡的模型尺寸。我相信大家都知道哪個尺寸最好！

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 剛發布。它的刀具呼叫處理如何？我用 ToolCall-15 測試了 Gemma4 的所有刀具系列。 Gemma4 31b = Qwen3.5 27b。兩者都完美地完成了 15/15 的刀具呼叫。但令人驚訝的是： Qwen3.5 9b 已經可以完成 13/15 的刀具調用，而 Gemma4 需要 26b 才能達到相同的效果。

Qwen 正在慶祝 Qwen3.6 Plus 的發佈，所以我用兩個測試套件對整個 Plus 系列進行了測試。首先，我運行了 ToolCall-15。 Qwen3.6 Plus 表現完美，100% 通過，所有場景均通過。 Qwen3.5 Plus？90%。Qwen Plus？87%。Qwen3-Coder-Plus？80%。測試中仍然會發現一些模型的問題：“搜索冰島的人口，然後計算其中的 2%。” Qwen3.6 Plus 使用了搜索結果，而其他模型則使用了預先記憶的數字。然後，我運行了 BugFind-15。結果完全相反。 Qwen3.5 Plus 以 94% 的通過率領先，而 Qwen3.6 Plus 則下降到 84%。該系列中最新的模型反而是調試功能最弱的。工具調用功能得到了大幅提升，但調試功能卻沒有隨之改進。 twitter.com/stevibe/status/203...

隆重推出 Gemma 4：我們全新的開放模型系列，您可以在自己的硬件上運行它們。 Gemma 4 專為高級推理和智能體工作流程而構建，我們以 Apache 2.0 許可證發佈。以下是新增功能🧵

擁有 16GB 顯存的顯卡？現在就可以運行所有這些程序了。在 ToolCall-15 和 BugFind-15 測試中，我們測試了 4 個基於 Qwen3.5 的模型：模型： - Qwen3.5:9b Q8（官方） - Jackrong 開發的 Qwopus v3 Q8 - Tesslate 開發的 OmniCoder-9B - bigatuna 開發的 Qwen3.5-9b-Sushi-Coder 總結： - ToolCall-15：Qwopus v3 表現完美，30/30 分，SushiCoder 勝過 Qwen3.5 基礎版 - BugFind-15：OmniCoder 反敗為勝，以 83% 的準確率位居榜首沒有哪個模型能同時贏得兩項測試，這才是樂趣所在。開源社區正在蓬勃發展。

DGX Spark 歡迎介面🙈 （約 20 分鐘到達一半）

每天使用 Codex/Claude Code 的真正代價是：肌肉記憶已經形成，現在預設會在 AI 命令列介面 (CLI) 中輸入 `git push` 而不是在終端中輸入。

Loading..