Yerel Yapay Zeka Kodlama Ajanı: Qwen3.6 ve Qwen-Code ile Codex ve Claude Code Aboneliklerine Karşı
OpenAI
Anthropic
Cohere
Meta
Sebastian Raschka'nın eğitimi, Qwen3.6 gibi açık ağırlıklı büyük dil modelleri ve Qwen-Code, Codex veya Claude Code gibi koşum takımları kullanarak yerel bir kodlama ajanının nasıl kurulacağını açıklıyor. Maliyet, gizlilik, tekrarlanabilirlik ve çevrimdışı kullanım gibi avantajları vurguluyor. Makale, Qwen3.6 35B-A3B ve Cohere'in North Mini Code'unun performansını, bellek kullanımını ve hızını karşılaştırıyor.
Sebastian Raschka, üretime hazır bir yerel kodlama ajanı kurulumu için açık ağırlıklı Büyük Dil Modelleri (LLM'ler) ve yerel kodlama araçları kullanarak bir eğitim sunuyor. Birincil kombinasyon olarak Qwen3.6 ile Qwen-Code'u kullanıyor ve Qwen modellerinin Qwen-Code için optimize edildiğini belirtiyor. Alternatif araçlar arasında Codex, Claude Code ve Cline yer alıyor. Qwen3.6 35B-A3B (22 GB indirme, 30-40 GB RAM) veya benzer boyuttaki North Mini Code 1.0 gibi modelleri sunmak için Ollama kullanılmasını öneriyor. Bir hız karşılaştırması, Qwen3.6 ve North Mini'nin bir Mac Mini'de saniyede yaklaşık 40 token, 50 bin bağlamda 30 GB RAM'e kadar bir DGX'te ise saniyede 30 token ürettiğini gösteriyor. Ayrıca GLM 5.2 gibi daha büyük modeller için bulut seçeneklerinden bahsediyor. Yerel kurulum şeffaf, denetlenebilir, ücretsiz (donanım hariç) ve gizlilik sağlıyor. Yerel ajan çalışması için saniyede 20-30 tokenden daha hızlı her şeyin makul olduğunu belirtiyor.
Kaynak: Sebastian Raschka —
orijinal