我一直在不同的测试框架里试用各种本地开源权重的大语言模型（Qwen-Code、Codex、Claude Code）。
30B 参数的混合专家模型是个挺不错的平衡点，能解决一些有挑战性的问题。在 Mac 或 DGX Spark 上，它们的推理速度大约能达到 40 tok/秒，跟 Pro 订阅版里的 GPT 5.5 差不多，日常使用完全够用。
更有意思的是测试框架的选择！Claude Code 消耗的 token 量似乎是 Codex 的两倍。
这里列出 Gemma 4 E2B 只是为了做个参考，说明这些任务并不是小模型就能轻松搞定的。
更详细的文章现在可以在《使用本地编码代理》中看到：Using Local Coding Agents
来源：根据我的 Substack 笔记 做了轻微编辑的网站版本。