使用者實測 Qwen3.5-4B 在 10 種 Agent 框架下的失敗模式

2026 年 10 月 22 日，Reddit 的 LocalLLaMA 板塊出現一篇使用者記錄，作者用 Qwen3.5-4B 在 10 個 agent harness 上跑了 5 個小任務，每個組合只跑一次，合計 50 次測試。作者稱，相比分數，失敗方式更有資訊量，重點是想看 4B 模型在本地 Agent 流程中會在哪裡出錯。

測試環境為 Qwen3.5-4B Q4_K_M，單個 llama-server，64K 上下文、1 個 slot、f16 KV，啟動引數含 --jinja，硬體是 M5 MacBook Pro 32GB。每個 agent 以 headless 方式執行並開啟 auto-approve，每次執行都使用任務檔案的全新副本，通過與否由指令碼判定。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，摘要中該列表未完整顯示。

目前公開的資訊停在這篇記錄本身：作者給出了測試設定與測試規模，但摘要沒有披露各 agent 的具體得分和失敗模式細節，也沒有後續更新或其他來源的獨立復現。