Tôi đã thử chạy mô hình mã hóa 27B trên Mac 16 GB của mình, tất nhiên là thất bại. Nó chạy chậm chạp ở tốc độ 0,4 token/giây, khoảng 200 giây mỗi lần gọi công cụ. Thật tệ haha. Cùng mô hình cơ sở đó trên @darkbloomai trả lời trong khoảng 2 giây. Vì vậy, tôi thực hiện một thí nghiệm: liệu các mô hình trên mạng lưới Mac rảnh của Darkbloom có thể trở thành bộ não của một tác giả mã hóa thực sự không? Cấu hình: sáu mô hình Darkbloom, sáu công cụ mà một tác giả cần (đọc, ghi, chỉnh sửa, shell, grep, glob), và các nhiệm vụ mã hóa được thực hiện thật sự trong môi trường cách ly, với mọi kết quả được kiểm tra kỹ lưỡng. Kết quả: • 60/60 lần gọi công cụ được phân tích sạch sẽ • 67/71 nhiệm vụ đa bước được giải quyết: sửa lỗi, đổi tên trên nhiều tệp, tìm chìa khóa AWS được cài sẵn, vá lỗ hổng SQL injection • Qwen3.8 27B, Gemma 4 26B và GLM 5.3 Flash đạt hoàn hảo 12/12 • Tổng chi phí cho mỗi lần chạy: khoảng 7 xu (rất rẻ luôn) Quan điểm phổ biến là các mô hình mã nguồn mở thì ổn để trò chuyện nhưng quá không ổn định để dùng làm tác giả. Tôi bắt đầu nghĩ khác đi. Đây là lý do tại sao điều này quan trọng. Các tác giả mã hóa tiêu tốn một lượng token khổng lồ, và phần lớn những gì chúng làm là các công việc thường nhật: đọc một tệp, tìm kiếm trong kho lưu trữ, chạy các bài kiểm tra. Tôi tin rằng 25-40% các lượt tương tác của tác giả có thể chạy trên @darkbloomai với chi phí chỉ một phần nhỏ, trong khi chỉ những bước khó nhất mới giữ lại trên các mô hình tiên tiến. Đó là một danh mục nhu cầu hoàn toàn mới cho mạng lưới Mac rảnh nếu thành công. Thí nghiệm 2 sẽ kiểm tra chính xác điều đó trên lưu lượng thật... sắp ra mắt!!!