00:00 / 04:21
连播
清屏
智能
倍速
点赞268
00:00 / 01:10
连播
清屏
智能
倍速
点赞56
00:00 / 01:13
连播
清屏
智能
倍速
点赞93
00:00 / 02:20
连播
清屏
智能
倍速
点赞43
00:00 / 00:51
连播
清屏
智能
倍速
点赞8
00:00 / 05:19
连播
清屏
智能
倍速
点赞3
2周前
Mac 本地跑 Qwen3.6-27B,我实测了 4 种方案 这期视频我系统测试了 Qwen3.6-27B 在 Mac 上的本地运行体验。 我一共体验了 4 种方式:Qwen Chat 官网版本、Unsloth 的 UD-Q5 GGUF、Unsloth MLX 6bit 搭配 DFlash,以及最后速度最让我满意的 MTPLX 4bit 方案。 这次重点不是只看跑分,而是看它在真实任务里的表现:网页复刻、交通仿真、3D 魔尺、礼物包装助手、仓库分拣系统、体素艺术场景、写作、推理和幻觉识别。整体来看,Qwen3.6-27B 的编码和创作能力确实很强,尤其在 MTPLX 上,本地速度可以跑到 40 tok/s 以上,对 Mac 用户来说体验提升非常明显。 当然,它也不是完美的。比如复杂 3D 场景会出现穿模、逻辑不稳定、动效不准确等问题;MTPLX 当前也不支持图像识别。但如果你想在 Mac 上本地运行一个速度快、质量不错、适合 AI 编程和日常任务的 27B 模型,Qwen3.6-27B 很值得尝试。 本期会聊到: - Qwen3.6-27B 为什么值得关注 - Mac 上运行 27B 稠密模型的真实速度 - GGUF、MLX、DFlash、MTPLX 的体验差异 - MTPLX 的安装和 Open WebUI 接入体验 - 4bit 模型在编码、写作和推理任务中的表现 - 我目前更推荐哪一种本地运行方案 如果你也在 Mac 上折腾本地大模型、AI 编程模型或 Qwen 系列模型,这期可以作为一个实际体验参考。 时间戳 00:00 开场:为什么这期要测 Qwen3.6-27B 02:21 Mac 上运行 Qwen3.6-27B 的几种新方案 05:00 官网版本与 Unsloth GGUF 10:37 Unsloth MLX 6bit + DFlash 16:34 MTPLX 上手 20:50 写作、推理、幻觉识别测试 #Qwen #Qwen36 #Qwen3_6_27B #本地大模型 #Mac本地部署 #AI编程
00:00 / 24:26
连播
清屏
智能
倍速
点赞27
00:00 / 02:10
连播
清屏
智能
倍速
点赞576
00:00 / 03:14
连播
清屏
智能
倍速
点赞15