用户实测 Qwen3.5-4B 在 10 种 Agent 框架下的失败模式
2026/10/22 — 10/23 03:21·1 个来源（全部）·1 篇报道（全部）
核心速览 (Key Takeaways)
- 一位用户在 Reddit 的 LocalLLaMA 板块记录，用 Qwen3.5-4B 在 10 个 agent harness 上跑 5 个小任务、各一次，环境为 llama-server 64K 上下文和 M5 MacBook Pro 32GB。
- 作者称失败方式比分数更有信息量，重点是 4B 模型在本地 Agent 流程中会在哪里出错。
事件背景与详细解读
2026 年 10 月 22 日，Reddit 的 LocalLLaMA 板块出现一篇用户记录，作者用 Qwen3.5-4B 在 10 个 agent harness 上跑了 5 个小任务，每个组合只跑一次，合计 50 次测试。作者称，相比分数，失败方式更有信息量，重点是想看 4B 模型在本地 Agent 流程中会在哪里出错。
测试环境为 Qwen3.5-4B Q4_K_M，单个 llama-server，64K 上下文、1 个 slot、f16 KV，启动参数含 --jinja，硬件是 M5 MacBook Pro 32GB。每个 agent 以 headless 方式运行并开启 auto-approve，每次运行都使用任务文件的全新副本，通过与否由脚本判定。文中列出的 agent 包括 Pi 1.3.0、goose 1.55.0、Crush 0.98.1、Cline 3.0.73 等，摘要中该列表未完整显示。
目前公开的信息停在这篇记录本身：作者给出了测试设置与测试规模，但摘要没有披露各 agent 的具体得分和失败模式细节，也没有后续更新或其他来源的独立复现。
AI 综合 1 篇报道生成 · 更新于 9 小时前
最新进展一位用户在 Reddit 的 LocalLLaMA 板块记录，用 Qwen3.5-4B 在 10 个 agent harness 上跑 5 个小任务、各一次，环境为 llama-server 64K 上下文和 M5 MacBook Pro 32GB。作者称分数不如失败方式有信息量，重点是 4B 模型在本地 Agent 流程中会在哪里出错。
相关 AI 工具
- 热度指数
- 42
- 全部来源
- 1
- 全部报道
- 1
- 首报
- 1 天前
这件事的报道 点标题看原文
一位用户在 Reddit 的 LocalLLaMA 板块记录，用 Qwen3.5-4B 在 10 个 agent harness 上跑 5 个小任务、各一次，环境为 llama-server 64K 上下文和 M5 MacBook Pro 32GB。作者称分数不如失败方式有信息量，重点是 4B 模型在本地 Agent 流程中会在哪里出错。
参考 4B 模型跑本地 Agent 的失败模式。
Reddit · LocalLLaMAAI 评分 57
同时在说的其他事
- 热度指数 29开发者六路评测 Qwen3.8-Flash-Next 与 Opus 5.5 的 Rust 编码表现1 个来源
- 热度指数 79Qwen API 各模型每百万 token 价格对比清单1 个来源
- 热度指数 151爆千问发布 AI 眼镜 N1 Pro 与 AI 耳机并同日开售2 个来源
- 热度指数 80Reddit 网友对比 11 个开放权重模型的得分与参数量1 个来源
- 热度指数 66capy-flash v0.7.1 让 125B MoE 跑在 64GB 内存1 个来源
热度怎么算的？了解口径收起
热度按 48 小时内有多少个独立来源在说这件事算：同一个来源发多条只算一次，并按 24 小时半衰期衰减，所以排前面的是很多人在说的事。
本页汇总公开订阅源，标题与摘要由模型整理，版权归原作者所有；重要信息请回原文核对。如权利人认为相关标题或摘要侵权，请通过页尾联系邮箱提供具体页面与权利依据，我们核实后会及时删除或替换。
- 爆
- 讨论快速增加
- 新
- 首报 6 小时内
- 发酵中
- 讨论仍在增加