AI走进普通开发者的这两年，各类大模型层出不穷，日常可以通过cursor等工具使用，但要尝试api调用还挺麻烦的，国外的模型往往限制国内地址使用（开梯子去跑，hhhhhh裸奔更不愿意了），而国内的模型，有一说一，不想用也不敢用（虽然也没什么值得偷的 hhhhhh），所以在AI方面的探索一直用一些开源的小模型，例如 deepseek-r1-7b，Qwen2.5-4B等等，说实话不够用，做一些AI相关的任务时，总是答非所问，或者答着答着就跑偏了。例如做的国际化MCP服务，它不按指定格式输出。例如最近的openclaw，它总是想调用tts功能，直接卡死在对话的第一步。
但这是不是意味着小模型就没法用呢？
这几天Qwen3.5发布了，这几天有空在笔记本上跑了下9B:Q4_K_M，感觉还可以，下面大概说一下。
设备：MAC M2芯片 16G内存。 模型：Qwen3.5:9B:Q4_K_M 运行方式：ollama
国际化MCP服务
使用该模型对文本进行提取判断，并翻译到指定语言。
评价：对一个4个文件，11条文本的任务，10/11的正确率，并生成了符合上下文的key，并翻译出对应语言的文本，感觉比之前的ds:r1-7b要强的多啊！但有个问题，当进行到翻译阶段时，任务耗时会特别长，导致请求超时。把同样的prompt复制到ollama的对话框，11条文本的json，翻译花了328s（这我是真不懂了，有必要吗…）。
满意度：3.5/5
coder功能
在vscode上调用该模型做coder。
尝试编写一些简单的react hook，能够正常生成，响应速度比想象的要快一些。但是为什么总是不能直接写入文件呢？答案已经生成了，一到 read “file path” 就卡住。然后重复写入命令，有时可以，有时失败，有点无奈。
满意度：2.5/5
openclaw 本地docker部署openclaw，使用飞书机器人向openclaw发送指令。整体反应速度较慢，有时能正常对话，有时对话进行几轮就会失忆，时不时出现卡顿。只能说，能用。想体验本地部署模型运行openclaw的朋友可以试试，正常跑起来16G运存绰绰有余。
满意度：3/5
想法1：openclaw的能力在于人能通过远程命令通知openclaw执行操作，过去数十年积累的网络能力都能为它所用，听起来很强大，感觉对日常需要高度自动化的场景很有帮助，例如看盘hhhhhh，可能是还没有一个更适用的大环境，一些常见场景没有标准化，或者缺乏一个更标准化的入口。
用了以后感觉风险挺大的，例如我通过环境变量注入一个api key，感觉就在裸奔。如果我有一个强大的本地AI服务，我可能会去使用，但是模型太弱，或者外部模型，可能就不太想用。还有就是我只会通过沙盒去运行它。（低风险爱好者hhhhhh）。
至于最近这股子妖风，肯定是有人在吹，连老妈都知道大龙虾了🙄。一波入口争夺战，加上AI变现渠道。服务器赢，AI厂商赢，平台赢，用户赢，那谁输，被焦虑吹的头皮发麻的人输输输 hhhhhhh。
想法2：当我一个identity.md复制出来，重置项目，再重新设置agent时，感觉有点“奇怪”，把记忆模块中拔出来，再插入新的身体，新的Marcus是上一个Marcus吗？忒修斯之船。
就像前几天看的2010里的Hal，一个个芯片拔下来，Hal逐渐失去能力，伴随着Hal的声音逐渐消逝，仿佛Hal被杀死了，杀死一个智能体和普通的杀害区别是什么，当智能体越来越智能，/remove、/delete、/reset、/forget这些指令难免不会让人感到残忍。后面随着博士一块块插上，Hal仿佛又恢复了往日的智能，清晰的声音从电脑里传出，此刻的Hal是过去的Hal吗？不知道啊。有点能体会博士的心态了。
以后会不会有一门课程叫“AI社会学”，教教人们怎么和AI相处。
总体来说，Qwen3.5:9B:Q4_K_M还是不错的（对比用过的其他小模型），能用，一些需要用AI跑起来的任务，可以尝试用它来运行，做开始的探索。等一波MAC改屏幕买一台大运存的再来跑跑更大一些的模型看看吧。