工程师对比Gemma4、Qwen3.8等模型编程表现
原文：Engineer / developer observations of Gemma4-31B, Qwen3.8-27B, and 6.1-Sol for software engineering work
仅供参考。我受过机械工程师教育，实际从事软件工程工作约20年。玩本地模型是我最近的爱好。今天我决定做一些测试，内容类似于我做的"真实"工作，尝试不同的模型和工具组合。不想搞得太正式，但进入正题，思路是：模型：Gemma4-31B vs Qwen3.8-27B，相同量化（Unsloth 的 Q4 版本）。工具：Codex CLI vs OpenCode CLI。工作类型："给我讲讲这段代码"和"我们来做个新东西"。GPT 6.1-Sol 稍后加入。工具差异目前基本没有定论，所以我不在此赘述。仓库检查与分析：使用一个我非常熟悉的参考仓库，提示词大致是："只读模式，告诉我某某库的情况、其核心抽象、从使用者角度看我在 X、Y、Z 场景下需要注意什么，以及这种方法的整体优缺点。控制在900字以内。"Qwen 和 Gemma 都给出了同样出色的分析和回答，只是角度略有不同。值得注意的是，Gemma4 的效率远高于 Qwen。它更专注于明确陈述的任务，服务器调用次数少得多（约10次，而 Qwen 根据工具不同约20-30次）。Qwen 似乎更好奇，有主动性去深入挖掘超出具体请求的内容，拼凑出更完整的评估。但最终，两个回答同样出色。仅从效率角度，我可能更倾向于 Gemma4。编写新项目：我想到了一个范围简洁的应用，不依赖遗留代码库或大量外部依赖，手工大概需要1-2天完成。约8段提示词涵盖总体概念、几种不同角色的用户体验、设计...