Ask HN: кто-нибудь правда заменил Claude/GPT локальной моделью для ежедневного кодинга?
338 комментариев, и честный ответ в основном — «пока нет». Повторяющееся раздражение: за каждым «отлично работает!» нет цифр, по которым это можно повторить — квантизации, размера контекста, VRAM, реальной конфигурации.
Самое близкое, чего достигают: GLM и Qwen работают агентно на собственных серверах и ощущаются близко к Haiku, но опытные участники треда сходятся: ни одна не дотягивает до Opus 4.8 или GPT 5.5 для настоящей работы.
Самый заплюсованный ответ — не ответ, а претензия к жанру: «использую Qwen и получаю отличные результаты» не говорит ничего без квантизации, параметров llama, окна контекста, GPU и VRAM за этим.
Вопрос и почему его задают снова и снова
Ask HN: кто-нибудь заменил Claude/GPT локальной моделью для ежедневного кодинга? собрал 338 комментариев, и суммарный ответ: осторожное «не совсем, пока нет». Источник здесь сам тред: статьи нет, только практики отчитываются со своих машин. Самое ценное в нём — разрыв между восторгом и воспроизводимостью.
Самый заплюсованный комментарий — это не ответ
Верхний комментарий отказался подыгрывать и предъявил счёт всему жанру таких тредов:
«Вечно немного расстраиваюсь из-за деталей… Обычно это что-то вроде „я использую Qwen 3.5 и получаю отличные результаты!“. Ок, но какая у тебя квантизация? Какие параметры llama? Какой размер контекста? Какая GPU… сколько VRAM? Ты хостишь это на отдельной машине… Какой агент для кодинга используешь?» — частый читатель таких тредов
Требование верное, потому что тред сам доказывает его правоту. Общих похвал сколько угодно, воспроизводимых рецептов почти нет.
Где приземляются заслуживающие доверия ответы
Те, кто дал конкретику, в целом сходятся на потолке возможностей. Разработчик, который хостит у себя через Ollama, провёл сравнение: «gemma-4, glm 4.7 flash и qwen 3.6. glm лучше всех кодит агентно. Но я всё равно не думаю, что хоть одна из них дотягивает до уровня gpt 5.5 или opus 4.8». Другой оценил Qwen 3.6 27B примерно на уровне Haiku 4.5, может, Sonnet, смотря по задаче. Даже серьёзная сборка не переубедила владельца до конца: разработчик с двумя картами RTX Pro 6000 Blackwell на DeepSeek V4 Flash получает 160 токенов/с, но признаёт: «удерживает меня на CC и Codex в основном привычка».
Стены, в которые упираются все
Повторяющиеся блокеры конкретны. Контекстные окна «просто были недостаточно большими». Потолок по железу жесток: один пользователь заметил, что модель на 460 млрд параметров «не влезает даже в 128 ГБ памяти», и заключил, что популярный мини-ПК «для ИИ ощущается как игрушка». Другой даже не начнёт, пока не купит GPU с 80 ГБ VRAM. А государственный программист, гоняющий полноразмерные модели из RAM на 0,7 токена/с, рассказал: облачные модели «играючи справляются с [задачей на AVX-512]», тогда как локальные «провалились с треском».
Честное состояние дел
Тред и есть тот ответ, который искал: для ежедневного кодинга локальные модели реальны и становятся лучше, GLM и Qwen честно крутят агентные циклы. Но люди с конкретикой раз за разом приходят к одной фразе: ничего из самостоятельно поднятого пока не дотягивает до фронтирных облачных моделей, и разрыв шире всего там, где работа становится трудной (длинный контекст, заковыристые задачи). Самый полезный вывод — не название модели. Это требование, чтобы каждое «у меня работает» сопровождалось квантизацией, размером контекста и объёмом VRAM: без них рекомендацию не воспроизвести.
Получайте такие разборы каждый день
Главные истории Hacker News — на email, в Telegram или RSS.
Это последняя новость выпуска 16 июня 2026.
Перейти в архив выпусков