Claude Code 唔使包辦晒：本地 Qwen 配雲端 supervisor 真係快兩倍？

XDA 作者 Anurag Singh 試咗一套幾實際嘅 coding agent 分工：先交畀雲端 GPT-5.6 Terra 理解問題、圈出相關檔案同寫清驗收條件，跟住由本地 Qwen3-Coder-30B-A3B 改 code、跑指令同測試，最後再畀 Terra 睇 diff。佢話處理日常細修正同小功能時，由落指令到通過 review，大約只用原先一半時間，雲端 token 用量亦少咗。

呢個「快兩倍」要睇清楚點計。作者量度嘅係整項任務完成時間，唔係兩個模型逐 token 鬥速度；本地模型可以連續改幾輪再測試，途中唔使每一步等雲端回應，llama.cpp 亦可以重用已有 prompt context。不過原文冇交代總共試咗幾多項任務、用咩電腦、兩邊首次成功率、平均要返工幾多次，亦冇同一組固定題目嘅對照結果。所以倍數只反映作者自己嗰批工作，未算得上 benchmark。

邊啲工夫適合交畀本地模型

作者揀嘅例子都有清楚邊界，例如修正 validation bug、加一個細選項，或者更新幾個相關測試。雲端模型預先消除大部分含糊位，本地 Qwen 只要沿住計劃改指定範圍，再用測試確認結果。呢類工作通常重複讀檔、改幾行 code、重新跑同一批指令，未必值得每一步都動用推理較慢、用量較貴嘅強模型。

相反，如果連問題源頭都未搵到、改動會牽涉架構，或者要由零開始設計新功能，作者仍然會用 Claude Code。佢亦為本地 agent 設咗停手條件：連續失敗、要改架構，或者超出原定範圍，就交返畀雲端模型。實際用嗰陣要定清楚停手條件；細模型連續做唔到，就應該交返畀人或者強模型，否則返工時間可能多過慳到嘅 token。

圖片：Wikimedia Commons — Marine BAJAN（CC BY-SA 4.0）

30B 模型唔等於普通手提電腦輕鬆跑

呢套設定用 llama.cpp 載入 Qwen3-Coder-30B-A3B-Instruct，再由 OpenCode 提供讀 repository、改檔同跑 terminal 指令嘅能力。Qwen 官方 model card 顯示，模型共有 305 億參數，但每個 token 只啟動 33 億，原生 context 上限係 262,144 tokens。MoE 架構可以減低每步運算量，不過完整模型權重仍要放得入記憶體，唔可以當佢只係一個 3.3B 模型。

XDA 用嘅 Q4_K_M GGUF 約 18.6GB，示範設定就將 context 收窄至 32K；KV cache 仲會額外食記憶體。16GB RAM 機要再降低量化精度同 context，速度同輸出質素亦可能跟住變。換句話講，雲端帳單的確有機會細咗，但成本會轉去 RAM、GPU、電力、下載容量同日後維護。手上已有大記憶體 Mac 或工作站會易試好多；為咗呢套做法特登換機，就要另計條數。

私隱有改善，但程式碼仍未完全離線

中間幾輪改檔、測試輸出同重複讀取嘅內容都留喺本機，對公司內部 repository 或客戶項目有吸引力。不過 Terra 開頭仍會收到 repository 概要同相關錯誤，完成後亦會睇最終 diff。私隱邊界取決於你實際送咗咩出去，唔可以因為執行模型喺本地，就當成套做法完全離線。

Claude 官方資料亦顯示，Claude Code 會同網頁及 app 共用訂閱用量池，用量受五小時滾動時段同額外週限額影響，實際消耗會跟對話長度、任務複雜度同所選模型轉變。混合分工確實有機會減少重複檔案內容同 terminal output 上雲，但節省幾多冇固定答案；模型版本、收費同限制轉一次，數字又要重新計過。

由低風險任務開始分級派工

細型團隊可以先由低風險任務試起：限定檔案範圍、要求現有測試先全部通過、喺獨立 branch 執行，遇到連續失敗即停，再由人或強模型 review diff。OpenCode 呢類 harness 可以畀模型直接跑 terminal，權限亦要收窄，唔好任由一個較細、較易走偏嘅模型接觸 production credential 或執行高風險指令。

呢套分工嘅重點係唔使每一步都用同一級模型。規劃、追查未知問題同 code review 留畀強模型；格式修改、指定範圍修正同測試迴圈就交畀本地模型。至於係咪真係快一倍，要用自己平日嗰批 issue 記錄完成時間、成功率同返工次數，跑過幾輪先有答案。

參考來源

• XDA Developers — I ditched Claude Code for a local model and a cloud supervisor, and it's twice as fast — original report
• Qwen3-Coder-30B-A3B-Instruct model card — Qwen 官方 model card，核對總參數、啟動參數、context 長度同 agent coding 支援
• llama.cpp HTTP Server 文件 — 官方文件確認本地推理、OpenAI 相容 API、工具調用同 prompt cache 能力
• Claude Plans & Pricing — Anthropic 官方資料，核對 Claude Code 共用訂閱用量池、五小時時段同週限額安排
• Claude Code data usage — Anthropic 官方資料，補充個人及商業帳戶嘅程式碼資料政策差異

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。