从 Python 到 3D 游戏:Qwythos-9B 真的能替代在线版 Claude 吗?

我做了这次手动报告实验，一共验证两个问题。

这次不是NotebookLM自动调研，是我自己上传Qwythos-9B的实验记录，指定公众号账号和「Charlie实验室」栏目，让Pipeline跳过NotebookLM，直接进入writer和self_review。

这个过程本身就是一次实验——当研究报告由人提供，AI写作系统还会不会把材料误当成外部引用。

结果确实暴露出问题：writer仍默认引入材料来源类表述，说明它没有真正理解，这里所有证据都是我上传整理的第一手实验内容，不需要额外找外部引用背书。

这次实验记录显示，Qwythos-9B已经能在4GB显存的普通笔记本上，完成基础Python代码生成和Three.js 3D游戏框架输出。

我在执行现场看到，它能顺利生成在线版Claude因内容规则限制拒绝输出的可用代码，这个效果和宣传完全一致。

按官方披露的训练逻辑，它能在9B参数规模实现这个结果，核心是推理轨迹蒸馏：把大模型已经验证过的高质量推理路径，直接当成训练数据喂给小模型，不需要小模型从零探索。

那它真的能替代在线版Claude吗？这次实验记录显示，分场景给出结论才成立。

目标拆解清晰的执行类任务，比如生成合规规则限制的代码，或者输出基础可运行的3D游戏框架，它完全能满足需求，而且本地部署不用付订阅费，数据不会外流，刚好解决特定场景痛点。

但处理复杂项目级开发需求时，它的稳定性差很多。

在线版Claude能自动拆分多模块需求，一步步输出可对接的代码，出错后也能按提示调整逻辑。

Qwythos-9B会把所有模块揉成一团输出，出现大量接口不对接、变量未定义的错误，反复调整后才得到可用版本，需要人工修改的地方远多于在线版Claude。

宣传里的百万上下文卖点，实际用在跨文件项目推理时，速度会明显衰减，找依赖关系的准确率也远达不到在线版Claude的水平。

这件事对我最直接的提醒是，这个结果刚好印证了一个明确的观察：同一个工具，在目标明确的人手里是加速器，目标含混时就会变成制造错误和返工的机器。

Default模式下AI全权执行，Auto-review模式下AI输出后人做校准，Full Access模式下只让AI做分层拆分，三种责任分配方式，对应完全不同的结果。

Workspace Mode本质是可回滚的责任缓冲，不是单纯让操作更方便的功能。

多模型协作的核心从来不是模型越多越强，而是入口、记忆、执行、审查和验收分层清晰。

Agent时代正在发生的变化是，AI能力越来越强，执行成本越来越低，最后留在人手里的工作，就是定义目标、判断对错、校准结果。

判断Qwythos-9B能不能替代Claude还早，但方向已经清楚：未来会有越来越多针对具体场景蒸馏的小模型，把大模型的执行能力下放到普通硬件，而人的校准能力，会变得越来越稀缺。

这件事背后，职业形态的变化已经开始出现：过去写代码的核心能力是亲手敲出正确逻辑，未来写代码的核心能力是给AI说清需求、校准结果、验收质量，专业开发者会从亲手执行的工程师，变成给AI定标准的校准师。

你在本地部署AI模型的时候，遇到过最头疼的问题是什么？