Tools and guides for growing on XCheck your monetization eligibility
AI2026-11-17#20 / 24

“qwen” on X: Max, 开源, 本地

#Max#开源#本地

On 2026-11-17, “qwen” was discussed in 31 posts by 21 authors on Chinese-language X, with about 167.2K views (#20 of 24 topics that day). Related keywords: Max, 开源, 本地. The posts we collected drew 1,752 likes, replies, reposts and quotes in total. The most engaging post came from @NFT_Chen with 398 likes and 50 reposts.

167.2KViews
-72.91%Change
31Posts
21Authors
1.8KInteractions

Top posts about “qwen”

Sorted by views. Showing the top 10.

  1. 1SuSu_酥酥👅SuSu_酥酥👅@NFT_Chen · 2026-11-16 19:51

    🤯牛逼!开源AI又赢麻了!Qwen3.8 27B、DeepSeek V4.1 Flash 这些本地量化版模型,现在普通人现在也能超方便调用了! Hugging Face 和 OpenRouter 正式联手:
✅ 在HF直接用OpenRouter超稳推理
✅ 开源模型权重一键直达
✅ Agent调用记录还能存回HF,方便微调分享 以前搞AI像打零和战争,现在开源靠协作把门槛打下来了! 更多协作,更少内卷,普通人也能玩转顶级模型 #OpenSourceAI #HuggingFace #OpenRouter #Qwen #DeepSeek #GLM https://t.co/aRbvK9RMo0 https://t.co/UwI2hcVM82

    36.9K♥ 1101217View on X
  2. 2SuSu_酥酥👅SuSu_酥酥👅@NFT_Chen · 2026-11-17 05:45

    🤨炸了!新美国开源模型 Maxwell-V1-Flash竟然碾压 Qwen3.6-35B-A3B!从零训练,不是Qwen微调! 35B总参/3B激活,Apache 2.0开源,权重仅~73.6GB,轻松塞进单卡128GB DGX Spark。 性能亮点: 🔹Terminal-Bench 58.65(Qwen 47.42)|SWE-bench Verified 65.4(Qwen 63.4) 🔹BrowseComp 76.3(Qwen 47.0)|Tau3-Bench 67.37,Agentic搜索直接起飞 🔹256K长上下文RULER 93.35(Qwen Base 85.75),Block Sparse Attention提速6.7x 🔹数学推理/多语言/指令跟随全面领先Qwen3.6-35B-A3B、Gemma等同类 架构亮点:256专家/12激活 + 4残差流mHC + Multi-token Prediction + 26T多语言预训练。 本地部署新选择,Agent/Coding/长文一把梭。 GitHub技术报告:https://t.co/snMeITvhqx HF权重:https://t.co/VYpcpgcZyW #MaxwellV1Flash #OpenSourceLLM #MoE #本地大模型 #AIAgent #Qwen挑战者 #美国开源

    36K♥ 3983050View on X
  3. 3雨哥向前冲雨哥向前冲@xiangxiang103 · 2026-11-17 11:06

    12.7 万星的 Orca,6.3 万星的 T3 Code,我这一个多月主力用的,却是一个闭源的工作台。 其实这三个是同一类东西:把 Claude Code、Codex 这些 agent 并排管起来,每个任务一个 worktree。只开一两个窗口,谁都够用。 差距出在开到五六个之后,我最烦两件事: 1、会话之间不通气,前端等后端改字段,得我来回复制粘贴 2、人一离开电脑,活就停在那儿等我点批准 它叫 Mirasim,我留下它就是因为这两件事。四个地方挨个说: 1️⃣ 额度 请求原样转发,不解析、不改写,不往里多塞提示词。Claude Code、Codex、Kimi Code、Qwen Code 十来种都能切。自己的订阅限流了,手动切到平台额度接着跑。 2️⃣ 会话互相 @ 输入框敲个 @,选另一个正在跑的会话,直接问一句字段改好了吗,那边答完,结果自己回到这边。Claude 找 Codex 也行。 Orca 是一个协调者拆任务、派新 worker,T3 Code 能让 Claude 把任务交给 Codex。任意两个已经在跑的会话随手对话,我只在 Mirasim 里真实用到了。 3️⃣ 写代码之外 频道里 @ Bot,它把活派给对应的会话,做完回到频道里说一声。自带的文档编辑器,我拿来写方案。 4️⃣ 手机和远程桌面 差得最多的是这项。手机上除了看会话、点批准,还能直接操作电脑桌面,手势跟笔记本触控板一样。同城直连延迟二十多毫秒。 另外两家我没拿来当过主力,我看了它们仓库数据: · Orca 有条 issue,终端守护进程每个占三四百 MB 内存不释放;一个修复 PR 里写到,有个没人管的 shell 占着 85% CPU 跑了七天 · Orca 有条 iOS 端感觉慢的 issue,T3 Code 有条手机同步慢的 issue,都还开着 两家更新都很勤,这些大概率会修掉。 我觉得:开源项目靠一两个亮眼功能冲星很快,省额度、会话通气、手机远控这些磨细节的苦活,这次是闭源的做得更细。 有需求的朋友可以安装体验下:https://t.co/dm3RDWjfY4

    19.9K♥ 30259View on X
  4. 4AI少年AI少年@aehyok · 2026-11-17 11:21

    最近我把 Orca、T3 Code、Mirasim 三款 Agent 工作台在主力机和手机上轮流跑了两周,真实项目,不是跑 demo。 先说结论:单开一两个窗口,三家差不多。 差距出在重度使用的时候 同时挂了五六个 worktree、窗口之间要互相配合、人有时候又不在电脑前。 下面我就把我遇到的问题整理了一下,分享给大家 1、跑久了的稳定性和额度 我这边 Orca 多开跑久了,后台留过几次孤儿进程,得手动清。T3 Code 网络层偶尔有延迟。 Mirasim 是直接转发,不往提示词里额外塞东西,我这两周的订阅额度消耗明显低一些。 另外它能接 Claude Code、Codex、Gemini、Qwen 等十几种工具,订阅被限流时可以切到云端 API 接着跑,不用干等着,这一点我超级喜欢。 2、多窗口之间的「传话」 自动建 worktree 三家都有。 区别就是 Orca 和 T3 里各窗口互不相通,要让 A 窗口知道 B 窗口干了什么,只能自己复制粘贴。 Mirasim 可以在输入框里直接 @ 另一个会话,比如让 Claude 把一段活派给正在跑的 Codex,做完再回信。 这也是我留着它当主力的主要原因。 3、 写代码以外 频道里可以随时拉助手讨论方案,内置文档编辑器能直接写东西;开放了命令行协议和反代,社区里已经有人在上面做二次开发。 4、差距最大的:手机端和远程桌面 三家的手机端并排滑一下就能感觉到,Mirasim 流畅不少。 最意外的是内置远程桌面:能点对点直连时,我在家里和公司测了一下延迟二十多毫秒,用手机操作电脑基本不卡。手机走流量时一般会走中继,会慢一些。 最后总结一下:开源项目靠一两个亮眼功能就能冲上高星 但省额度、会话之间协作、手机端流畅度、低延迟远控这些费力的活,要长期磨。 这两周我用下来,在这几项上闭源的 Mirasim 完成度更高。 以上都是我自己的机器、自己的项目、自己的体感,配置不同结果可能略有不一样。 你们现在主力用哪款?碰到过什么坑?

    19.1K♥ 792411View on X
  5. 5SuSu_酥酥👅SuSu_酥酥👅@NFT_Chen · 2026-11-17 14:18

    🚨重磅!商汤科技正式发布并开源 SenseNova Loop-9B!9B参数循环架构赶超Qwen3.8-27B! 性能亮点 🔹架构黑科技:32层权重循环出56层深度,参数仅~9B,上下文最高512K,专攻长上下文+Agent任务 🔹全面超越Preview:AutomationBench 36.67、Terminal-Bench 59.55、GAIA 69.90、AIDABench 65.31、BIRD 72.34 🔹硬刚Qwen3.8-27B:AutomationBench持平、AIDABench微胜、BIRD&GAIA领先,Agent/代码/数据分析场景极具竞争力 🔹Loop Scaling验证:循环次数提升最高带来+16.93%收益 小参数深计算,效率拉满,已开源! 🔗 GitHub:https://t.co/D3cop0SCL0
🔗 Hugging Face:https://t.co/xEqrlu0K4T #商汤科技 #SenseNova #Loop9B #开源大模型 #AI智能体 #Qwen #人工智能

    18.8K♥ 2921817View on X
  6. 6Qwen AI FansQwen AI Fans@QwenAIFans · 2026-11-17 06:47

    Qwen 靠开源起家,这次旗舰却没开源:Qwen4-Max 只有 API 可用,Hugging Face 上连一个 Qwen 4 权重都没有,27B 开源版也没给日期。隔壁 DeepSeek、Kimi、GLM 全在开源,只有 Qwen 的旗舰锁在云里。等本地部署的人,先别急着换配置。#Qwen4 https://t.co/npdERPgZx1

    11K♥ 59201View on X
  7. 7YouziYouzi@Yuziyyaa · 2026-11-17 05:40

    我有点差异 Qwen 4 Max 在外区的口碑真的很好 我在外区看到好多人都在说 Qwen 4 都已经超过Gemini 了 这究竟是为什么????价格问题??

    7.4K♥ 35450View on X
  8. 8叫我阿杭叫我阿杭@Astronaut_1216 · 2026-11-17 03:39

    这回真得起立了。。。兄弟们!!阿里的新模型有点强啊!!!!用它干活一点都不烧心,感觉智能真的越来越便宜了!!! 我用Qwen新模型做了一个小镇的场景模型用来做游戏,整个场景搭建才花了6块钱,我只安排了一次任务 Qwen4-Max 直接让他自己迭代的,我在过程中什么都没干。。。。, 2 小时 28 分钟后,它自己改成了下面这个样子,我就跟Qwen4-Max说了一句:用 three.js 做一个可交互的江南水乡夜景,白墙黑瓦沿河排开,石拱桥横跨河面,乌篷船来回漂,屋檐下的红灯笼会摇、会发光,天色从黄昏慢慢入夜,加泛光、做体积光、做出平静的水面、加雾气层次、镜头要看得到整条河和石拱桥 剩下的全靠它自己:改代码、看图挑毛病、修报错、写下一轮要改什么,然后接着干 以后真的再也不用每隔10分钟跟模型说一次继续了,Qwen自己就干完了,我回头看了一下他执行的过程,跑完这一轮我对"长程任务"这四个字有了很具体的体感 1/ 它会自己验货,3 轮里它自己截图检查了 30 次,看到灯影方向写反、横着铺满整条河像斑马线,自己标出来,自己改掉 2/ 它不推倒重来,代码从 769 行长到 1044 行,原来的拖动旋转、昼夜变化、灯笼摇晃、船来回漂,一个都没丢 3/ 报错它自己改,第 2 轮水面代码一次报了 258 条错,它 35 秒就找到原因,改完重测,归零 4/ 它会写交接,每一轮结束都写一份记录:改了什么、还差什么、下一轮按影响大小先做哪条。下一轮开工先读这份记录,3 轮下来衔接没断过 你会发现,它不是那种一次惊艳就收工的模型,而是能接住反馈、一版一版往上磨的模型 然后是我最想说的部分:账单,这我真的觉得比之前优化的多的部分,也最出彩的部分 3 轮一共 105 次请求,输入 335 万 token,其中 95% 命中了缓存,总花费 6.19 元 如果不命中缓存,光输入就要 33 块钱左右 长任务为什么以前用不起?因为每走一步,都要把前面所有代码、截图结果、报错重新喂一遍,Qwen4-Max 的缓存命中价只有输入价的二十分之一,这件事在长任务里会被放大几十倍 每一轮花 2 块钱左右,很稳,一点都不烧心,Qwen团队这波是真的很站在企业落地的视角去训练模型了 这才是AI智能长程任务真正能落地的前提:模型要扛得住,账单也要扛得住。。这一波Qwen4-Max上线,后面谁真的能在企业落地,我觉得Qwen必有一席之地了

    5.3K♥ 2590View on X
  9. 9SuSu_酥酥👅SuSu_酥酥👅@NFT_Chen · 2026-11-17 11:51

    💥哇塞!Qwen 4 Max直接整出超人跨画风连续飞行动画,效果比肩Opus级别! 一眼看完这20帧历史穿越: 🔹从3000 BC洞穴岩画 → 湿壁画 → 马赛克 → 彩色玻璃 → 手抄本插画,一路飞到2020s像素与线稿打印机风,全程无切镜、单人物、持续飞行姿态 🔹模型把每种画风吃得死死的:线条、色彩、质感、构图全跟原风格高度统一,超人外形+关键飞行动作却始终稳定不崩 🔹BGM也是模型自己配的,节奏卡得刚刚好,真正画龙点睛 同样级别的多风格一致性+长镜头连贯性,以前得上顶级闭源大模型硬扛,现在Qwen 4 Max直接拉满,又强又便宜! #Qwen4Max #AI动画 #超人 #画风穿越 #开源模型 #AIGC #阿里巴巴 #刘大一恒

    3K♥ 3788View on X
  10. 10Leo · Building w/ AILeo · Building w/ AI@leo114119 · 2026-11-17 08:22

    Qwen4 27B不知道本周会不会出来; 虽然 Qwen 4 max 有点拉了,但 Qwen 4 27B理论上还是可以期待一下的; 毕竟Qwen4 架构引入了稀疏注意力,对于跑本地模型来说,内存上的压力肯定会降低不少。 但受制于它的参数规模,它的整体智能水平不会有太大提高。 不过,如果官方舍得给它也加上 N-gram 参数表的话,说不定 Qwen 4 27B会带来一点小惊喜。

    2.6K♥ 21141View on X

More AI topics that day

Collected from public posts on Chinese-language X through our X data API. Views and counts reflect the snapshot time and are not live. Methodology

Related tools and guides