Qwen3-Coder真的很好用啊

我刚用这个模型写了好几个小时的代码。其中包括两个全新的150行脚本，还有另外三个脚本也做了比较大的更新。这五个代码第一次编译就都通过了。自从用过Sonnet 3.5之后，还没见过这么好用的模型，真是让人 impressed 啊。

我就是在通义实验室的免费公共网站上用了下 Qwen3Coder。本来我想买 API 来着，但网上关于这个模型的信息实在太少了，我也没什么想调整或改动的地方，所以就没去麻烦。前两天我上传了五个又长又复杂的脚本，它的响应速度简直快得惊人，两秒钟就把全部内容都处理完了。不过说实话，我对 DeepSeek 还是有点偏爱，毕竟它在免费开源这块带了个好头，但就目前来看，我还是觉得它没法跟 Qwen 的表现相提并论。

我有一台旧的至强（Xeon）工作站，内存是256GB。跑480B Q3KL模型大概要占240GB内存，输出速度大概2tpsm。每一分等待都值得，结果真的很棒。

Mac 的内存是和 GPU 共享的，所以它的表现虽然没有我的 5090 快，但比中端显卡还是要好一些。我还是挺喜欢我的 3090 的。Mac 上的内存用起来更像是显存，mlx 文件也确实能提升在 Mac 上跑模型的效率。在做推理方面，Threadripper / HEDT 的内存表现比我的 9950x3d 更好。不过 Threadripper 有点奇怪，有些任务 CPU 跑得飞快，有些却又慢不少。普通 PC 一般整体都快或者整体都慢，所以在某些情况下 Threadripper 的体验就显得有点诡异。理论上，我可以在 Threadripper 上装 4 块不错的显卡，再加一块好点的显卡用来跑小模型，同时还能有足够的内存来运行和 LLM 搭配使用的各种微服务。不过如果是只用来跑大模型的推理，Mac 还是挺值的一次性投入，至少我是这么认为的。如果让我再来一次，我可能会用常规 PC 配置，比如 9950x3d，我已经有 13900 的平台用来跑微服务和应用程序开发了。大模型这块，我还是会专门用 Mac 来处理。现在卖掉 Threadripper 的话还是亏的，虽然我买的时候花了不少钱，但现在二手只能卖到一半左右的价格。所以我打算慢慢升级它，这也是 x86 平台的好处，灵活。最后说一下，GPTOS120B 这个模型在系统内存上跑得还不错。所以在我的 Threadripper 上，我可以一边在内存里跑 OSS 模型，一边在 GPU 上跑较小的 30B 模型，不需要为了某个特定模型专门做取舍，这点我真的很喜欢。虽然从开源角度来说我其实挺“反苹果”的，但 Mac Studio 确实填补了一个目前市面上没人去碰的细分市场，我觉得它现在就挺适合这个定位。

你平时温度都怎么设置的？有什么官方推荐的标准吗？

好的问题 —— Temp（温度）参数默认是开启的。

我平时主要用哪些平台或工具来跟AI模型打交道呢？

我把它用在了自己的项目上，代码有2000多行。最开始我用的是Gemini CLI，但用Gemini Pro的时候特别费时间，效率不高。昨天我开始尝试Qwen 3 CLI，仅仅用了不到一周的时间准备，结果只花了2个小时就把之前要很久才能完成的任务搞定了。现在我在项目中用了好几个脚本，真的能感受到Qwen 3 CLI带来的效率飞跃，太惊喜了！

很高兴听到这个消息！我现在在一台Threadripper电脑上跑235B的4bit模型，用的是系统内存，速度还不错，质量也够用，勉强能当我的计划器。不过拿来日常使用就有点难受了，所以后来我入手了一台Mac Studio，目前用来跑LLM推理服务体验还不错。但我想让Mac Studio能跑得了480B的Q3模型，这就需要给它加点内存了。虽然我那台Threadripper可以加内存继续跑，但速度上还是Mac Studio更理想一些，特别是如果它真像你说的那样表现稳定的话。谢谢你的建议！我打算试试看，看看实际效果咋样。

我真不太明白为什么你觉得Qwen3让你失望了，虽然我得说实话我自己也确实不太用它。要是碰上一般性的问题、查查信息或者处理些简单任务，我一般会用Kimi K2或者DeepSeek V3。但要是说到写代码这块，Qwen3Coder的表现真的比Claude和十四行诗3.5出来以后的那些模型都要强不少。

当然可以！以下是口语化、更符合中国人阅读习惯的版本：谢谢你啊！如果还有其他内容需要改写，随时告诉我！