Розробник та журналіст Анураг Сингх вирішив на тиждень відмовитися від Claude і повністю перейти на локальну модель Qwen 3.5-9B, запущену на власному ноутбуці. Результат виявився несподіваним: невелика 9-мільярдна модель самостійно впоралася з переважною більшістю щоденних завдань — від виправлення багів до написання автоматизацій для розумного дому. Про це пише XDA-Developers.
Експеримент проводився на MacBook Air з чипом M5 і всього 16 ГБ оперативної пам’яті — доволі обмеженій конфігурації як для локального запуску великих мовних моделей. Раніше автор використовував кастомізовану версію Qwen 2.5 Coder для викликів інструментів (tool calls), проте вона часто помилялася. Перейшовши на Qwen 3.5-9B, він вирішив на тиждень повністю замінити нею Claude — модель, яку він зазвичай застосовує для більшості робочих завдань, — і подивитися, наскільки помітною виявиться різниця.
Із чим модель впоралася без проблем
Робота, яку програміст доручав Qwen, не обмежувалася дрібними експериментами. Модель виправила баг у процесі логіну власного SaaS-інструменту автора, через який переставали надсилатися одноразові коди підтвердження (OTP), а також додала функцію експорту результатів у вигляді звіту — обидва завдання вимагали роботи з наявним застосунком, і Claude для їх виконання не знадобився.
Модель також написала автоматизації для Home Assistant, які краще використовують пристрої й датчики в будинку автора: досить було описати бажану поведінку словами — і Qwen самостійно реалізовував потрібну логіку. Окремо модель отримала доступ до серверних логів і регулярно позначає проблеми, що потребують уваги, — на відміну від стандартних сповіщень про збій, які лише вказують, що щось пішло не так, залишаючи пошук причини на розробника.
За підсумками тижня Qwen 3.5-9B впорався приблизно з 95% типових щоденних завдань — агентного програмування, підтримки SaaS-продукту, автоматизації розумного дому й аналізу логів.
Дві задачі, з якими модель не впоралася
Попри загалом позитивний результат, модель зіткнулася із двома труднощами, які якраз добре демонструють, у чому Claude все ще зберігає перевагу.
Перша — рефакторинг коду генерації звітів. Логіка спочатку розташовувалася всередині API-маршруту, і автор хотів перенести її до спільного сервісу, щоб і сайт, і фонові завдання могли використовувати той самий код. Qwen створив новий сервіс і оновив основний API-маршрут, але не простежив використання старої реалізації по всьому проєкту: фонове завдання й далі імпортувало стару функцію, частина тестів очікувала старих аргументів, а типи на фронтенді більше не відповідали структурі відповіді. Модель виправляла кожну помилку по мірі появи, але одразу ж породжувала нову в іншому місці.
Друга проблема — звіт, який застряг у статусі «Обробка», хоча фонове завдання вже завершилося. Qwen спочатку прийняв це за проблему фронтенда й змінив логіку опитування сервера, щоб сторінка повторно запитувала статус. Насправді причина крилася в тому, що ендпойнт статусу повертав кешовану відповідь. Навіть коли автор показав моделі логи, які підтверджували, що звіт уже було згенеровано, Qwen продовжував редагувати компонент фронтенда замість того, щоб простежити запит через API та кеш.
Саме ці два випадки, за спостереженням автора, і є тим, що Claude робить найкраще: частіше ставить під сумнів власний перший діагноз, перевіряє інші частини стека й працює від доказів у зворотному напрямку, а не повторює дрібні варіації того самого виправлення.
Висновок експерименту
Незважаючи на невдачі з наскрізним рефакторингом і складним налагодженням «впертого» бага, автор дійшов висновку, що Qwen 3.5-9B — цілком гідна локальна альтернатива хмарним моделям для повсякденної роботи. Модель знаходить правильний баланс між універсальним асистентом і інструментом для агентного програмування, і для більшості типових завдань розробнику попросту не знадобився Claude.