Agente de Codificación Local con IA: Qwen3.6 con Qwen-Code vs Suscripciones a Codex y Claude Code
OpenAI
Anthropic
Cohere
Meta
El tutorial de Sebastian Raschka explica cómo configurar un agente de codificación local utilizando modelos de lenguaje de pesos abiertos como Qwen3.6 y herramientas como Qwen-Code, Codex o Claude Code. Destaca beneficios como costo, privacidad, reproducibilidad y uso sin conexión. El artículo compara el rendimiento, uso de memoria y velocidad de Qwen3.6 35B-A3B y North Mini Code de Cohere.
Sebastian Raschka ofrece un tutorial sobre cómo configurar un agente de codificación local listo para producción utilizando modelos de lenguaje de pesos abiertos y herramientas de codificación locales. Utiliza Qwen3.6 con Qwen-Code como combinación principal, señalando que los modelos Qwen están optimizados para Qwen-Code. Alternativas incluyen Codex, Claude Code y Cline. Recomienda usar Ollama para servir modelos como Qwen3.6 35B-A3B (descarga de 22 GB, 30-40 GB de RAM) o el North Mini Code 1.0 de tamaño similar. Un benchmark de velocidad muestra que Qwen3.6 y North Mini generan alrededor de 40 tokens/segundo en una Mac Mini y 30 tokens/segundo en una DGX con hasta 30 GB de RAM y un contexto de 50k. También menciona opciones en la nube para modelos más grandes como GLM 5.2. La configuración local es transparente, inspeccionable, gratuita (además del hardware) y ofrece privacidad. Sugiere que cualquier velocidad superior a 20-30 tokens/segundo es razonable para el trabajo local de un agente.
Fuente: Sebastian Raschka —
original