就在刚刚，Qwen 正式发布了全新的开源模型系列 —— Qwen3.5 多模态模型。这一次更新，可以说在开源模型领域掀起了不小的震动。不仅性能几乎“屠榜”，而且全面迈向了原生多模态智能体时代，真正把开源模型带入了一个新的阶段。

Qwen3.5 多模态系列覆盖了从 0.8B 到 397B 的多个尺寸版本，适配不同硬件环境和应用场景。其中 0.8B 和 2B 两款模型体积极小，但推理速度极快，非常适合移动设备、物联网设备以及低延迟实时交互场景。在边缘端部署时，这类小模型可以实现更快响应和更低功耗，对于需要即时反馈的应用来说意义重大。

4B 版本则是“平民级”中的性能担当。它在资源消耗和性能之间取得了极佳平衡，非常适合作为轻量级 Agent 的核心大脑。对于本地部署用户或显存有限的开发者来说，这是一个兼顾智能水平与成本的理想选择。

9B 模型的表现则更进一步。它的综合能力可以媲美许多超大参数开源模型，在推理能力与多模态理解方面表现优异，同时对显存的要求却远低于百亿级以上模型，是服务器端部署中性价比极高的通用模型方案。

而最引人关注的，是开源的 Qwen3.5 397B-17B 模型。该模型总参数达到 3970 亿，但每次前向传播仅激活 170 亿参数，采用创新的混合架构，将线性注意力机制与稀疏混合专家（MoE）结构结合，在保持强大能力的同时显著优化了推理效率与成本。这种“高智能密度”的设计理念，让它在推理、编程、智能体能力、多模态理解等基准测试中全面领先。

Qwen3.5 还大幅扩展了多语言与方言支持，从 119 种提升至 201 种语言与变体，为全球开发者与企业用户提供更广泛的可用性和更完善的支持。模型发布后迅速引爆 AI 社区，连 Elon Musk 也在社交媒体上点赞评论，称其“智能密度令人印象深刻”。

真正让 Qwen3.5 脱颖而出的，是它的原生多模态与 Agent 能力。它不仅可以理解文本与图像，还能够边思考、边搜索、边调用工具，实现真正意义上的智能体协作。在代码与智能体方向，Qwen3.5 可以协助进行网页开发、游戏开发，尤其是在前端构建与界面适配方面表现出色。开发者只需输入自然语言指令，它便能生成可运行代码，并支持实时迭代。

基于 Qwen3.5 底座模型打造的 Qwen Code，更进一步提升了 Web-coding 体验。它能够将自然语言直接转化为代码，实现实时开发与创意生成任务，包括网页构建、项目原型设计，甚至视频生成等创新型任务，为日常编程与探索性开发带来流畅高效的体验。

在视觉智能体方向，Qwen3.5 可以自主操作手机或电脑完成任务。移动端已适配主流应用，支持自然语言驱动操作；电脑端则可处理跨应用数据整理与多步骤流程自动化，有效减少重复人工操作，显著提升效率。

视觉编程能力同样令人惊艳。Qwen3.5 可以将草图转化为结构清晰的前端代码，将简单游戏视频还原为逻辑框架，甚至将长视频内容提炼为结构化网页或可视化图表，大幅降低从创意到实现的门槛。

在空间智能理解方面，Qwen3.5 通过对图像像素与位置信息的建模，在物体计数、相对位置判断与空间关系描述任务中更加精准。它能够有效缓解因遮挡或视觉变化带来的误判，在自动驾驶场景理解与机器人导航等具身智能领域展现出良好潜力。

相比上一代视觉语言模型，Qwen3.5 在学科解题与复杂视觉推理任务上更加稳健。它能够结合图像内容与上下文进行多步逻辑推理，为教育与科研领域的多模态 Agent 应用提供更加可靠的基础能力。

如果你想在本地部署 Qwen3.5，可以通过 Ollama 来运行模型。Ollama 支持完全本地化部署与离线运行，保障数据安全，同时也能与自动化工具 OpenClaw 快速集成。不同尺寸模型对显存要求不同，例如部分版本约需 6GB 左右显存即可运行，而更大尺寸模型则需要更高显存配置。根据自身硬件条件选择合适版本即可。

通过 Ollama 下载模型后，可在终端运行对应命令进行加载。如果希望更友好地使用，也可以通过外部 UI 插件直接调用本地模型。在集成 OpenClaw 后，Qwen3.5 可以实现网页搜索、信息收集、结构化报告生成，以及自动化编程任务。

安装部署教程

1、下载Ollama 最新官方客户端：【点击下载】

2、下载 Qwen3.5 最新模型

安装好Ollama客户端以后，现在我们需要下载对应的 Qwen3.5 模型，根据自己的需要和硬件配置来选择合适的模型大小

【点击前往】

或者可以直接使用模型下载命令来完成：

ollama run qwen3.5:9b
ollama run qwen3.5:35b

 

安装号模型以后，如果想直接通过可视化的UI操作界面，来先使用的话，那么可以使用下方的这个浏览器来实现，它是完全免费的。

浏览器插件：【点击下载】

 

 

 

3、安装部署 OpenClaw

下载好模型以后通过下面的命令来安装最新的OpenClaw客户端：

ollama launch openclaw

 

4、对接 Telegarm 电报机器人

如果需要接入 Telegram，只需在 OpenClaw 中重新进入配置流程，选择本地 Ollama 模型，创建 Telegram Bot 并填写 Bot Token，通过配对命令完成绑定即可。完成后，你就可以在 Telegram 中直接调用本地 Qwen3.5 模型进行对话、写代码或执行自动化任务，全程本地运行，无需额外 API 费用。

打开你的 Telegram，搜索 @BotFather，发送 /newbot，来创建一个新的机器人，按提示设置：

给 Bot 起个名字，比如我设置为 lingduopenclaw

设置用户名（必须以 bot 结尾，比如 lingduopenclawbot  ）

最后会给你一串 Token：

8123121125:AAExamegv-0FQCfhfbazmp4405V0XAJCKfk

输入 token 进行对接，并进入到刚才创建的机器人里，第一次打开会显示还未正式对接，但是会在里面提供配对码，比如我的是 Pairing code: DLW7HQ69

 

现在只需重新打开一个新的 Powershell 窗口，然后在里面输入配对命令即可

openclaw pairing approve telegram 这里填写你的配对码

 

当你看到这个界面的话说明已经和Telegram配对成功了！

 

5、重启后启动的命令：

6、彻底卸载并删除OpenClaw

 

总的来说，Qwen3.5 的发布不仅刷新了开源模型的性能上限，也让原生多模态智能体真正走向普及。从移动端到服务器，从轻量部署到超大规模模型，从视觉理解到自动化编程，它正在构建一个更完整、更高效的开源 AI 生态。

就在前两天，Qwen 系列迎来了重磅更新——Qwen3.6-Plus 正式发布。这一次升级不仅是常规迭代，而是一次在编程能力与智能体（Agent）能力上的全面跃迁。

一、两天登顶：刷新全球调用纪录

模型刚上线，就迅速引爆全球 AI 社群。在短短两天内，Qwen3.6-Plus 便登上了 OpenRouter 日榜第一，成为最受欢迎的大模型之一。

更夸张的是，它的单日调用量突破 1.4 兆 Token，直接刷新了单模型调用量的全球纪录。OpenRouter 官方甚至称这次表现为：

“有史以来最强的新模型表现”

这意味着，Qwen3.6-Plus 不只是“强”，而是一上线就成为生产级首选模型。

二、核心升级：从“能用”到“真能干活”

相比上一代，Qwen3.6-Plus 的提升可以用一句话总结：

从辅助工具，进化为真正能独立完成复杂任务的 AI 工程师

1、 超长上下文：100 万 Token

默认支持 100 万上下文窗口，意味着：

• 可以处理整本书级别内容
• 支持超长代码仓库分析
• 长链任务无需频繁截断

这对代码理解、项目级分析和复杂任务规划极其关键。

2、 编程能力大幅跃升

Qwen3.6-Plus 在多个真实世界编程评测中表现亮眼，包括：

• SWE-bench
• Terminal-Bench（NL2Repo）
• Claw-Eval / QwenClawBench

在这些测试中，它已经成为当前编程能力最强的一档模型之一。

它不仅能写代码，还能：

• 理解大型项目结构
• 自动修复 Bug
• 重构复杂系统
• 完成跨文件依赖分析

3、 Agent（智能体）能力全面进化

这是本次升级的真正核心。

Qwen3.6-Plus 深度优化了 Agent 能力，并适配多个主流框架：

• OpenClaw
• Qwen Code
• Claude Code
• Cline / OpenCode / Kilo Code

它可以做到：

• 自主调用工具
• 分解复杂任务
• 多步骤规划执行
• 长时间任务持续推进

 简单说：不仅会写代码，还会“自己想怎么写”

 4、Vibe Coding：普通人也能写复杂程序

Qwen3.6-Plus 让一个概念真正落地：

Vibe Coding（氛围编程）

你只需要用自然语言描述需求，比如：

“帮我做一个带登录系统的博客网站，支持Markdown编辑和评论功能”

模型就可以：

• 自动拆解需求
• 设计系统架构
• 生成完整代码
• 甚至帮你部署

这意味着：

不会编程的人，也能做产品了

三、通用能力：依然是顶级水准

除了编程，Qwen3.6-Plus 在通用能力上同样强悍：

STEM 推理能力

• 复杂逻辑推理
• 数学建模
• 多步骤问题拆解

超长文本理解

• 大规模信息提取
• 文档级分析
• 长上下文一致性保持

多语言能力

• 跨语言理解与生成
• 多语种任务无缝切换

四、多模态能力再升级

Qwen3.6-Plus 在视觉能力上也有明显增强：

•  复杂文档理解（PDF / 表格 / 报告）
•  物理世界视觉推理
•  视频理解与推理
•  视觉编程（看图写代码）

它可以把“看见的信息”转化为“可执行决策”。

五、前端与创意开发能力提升

在网页开发方面，Qwen3.6-Plus 表现尤其亮眼：

• 支持复杂前端架构
• 能生成高质量 UI 页面
• 擅长 3D 场景与小游戏开发
• 对现代前端框架适配更好

对内容创作者、独立开发者来说，这是一个巨大的效率提升工具。

六、总结：一个“能干活”的 AI 时代来了

Qwen3.6-Plus 的意义，不只是更强，而是改变了 AI 的使用方式：

• 从“问答工具” → “执行工具”
• 从“辅助写代码” → “独立完成项目”
• 从“工程师专属” → “人人可用”

它真正让 AI 进入了一个新阶段：

AI 不只是帮你做事，而是可以替你做事

七、下一步：如何免费使用 Qwen3.6-Plus？

 

目前市面上很多可以慌称可以免费使用Qwen3.6-Plus模型的方式，几乎都是耍猴的，绝大部分是为了引流，其实要免费使用该模型，直接下载Qwen客户端即可！

官方站点：【点击下载】

直链下载

1、【Windows 版】

2、【MacOS版】、【x64位下载】、【Arm版下载】

 

 

Qwen 移动客户端

【iOS版】下载

【安卓版】下载

【APK安装包】

 

今天我们不看宣传，不看跑分，也不看官方榜单，而是直接来一场真正的实战对决。这次参赛的模型包括：ChatGPT5.5、Claude 4.7、DeepSeek V4、GLM 5.1。另外，我们还加入一个旁观者，也可以理解为替补选手：Gemini 3.1 Pro。

这几款模型，基本代表了目前国内外最强的一批 AI 编程能力。国外代表是 ChatGPT5.5 和 Claude 4.7，国内代表是 DeepSeek V4 和 GLM 5.1，再加上 Gemini 3.1 Pro 作为额外参考。

这次测试的规则非常简单：不给二次提示，不给修改机会，不做人工修正。每一道任务，每个模型只有一次提交机会。

谁写出来的效果最好，谁的成功率最高，谁的代码最稳定，谁就更接近真正的“编程王者”。

今天我们要看的，不只是哪个 AI 更聪明，而是哪个 AI 更像真的在工作，哪个 AI 能把需求理解清楚，并且一次性做出可运行、可展示、可交付的作品。

本期测试的核心思路

很多人测试 AI 编程能力，喜欢看跑分、看 benchmark，或者让 AI 写一些算法题。

但对普通用户来说，真正重要的不是模型在榜单上排第几，而是它能不能把你的一句话需求，变成一个真的能运行、真的有体验、真的像产品的东西。

所以今天我们不测理论，只测实战。

这次测试会围绕几个方向展开：

第一，视觉效果。

一个网页小游戏或者演示页面，不只是能打开就行，还要有动画、有节奏、有冲击力。

第二，交互逻辑。

有些模型看起来会写页面，但一旦涉及按钮、状态、倒计时、本地存储、拖拽排序，就很容易翻车。

第三，剧情和节奏控制。

AI 生成的不只是代码，也包括文案、剧情和用户体验。能不能让一个页面有铺垫、有变化、有高潮，这是非常考验模型综合能力的。

第四，约束执行能力。

有些模型看似很强，但会偷偷忽略你的要求。比如你要求不使用外部资源，它可能还是引入了外部库；你要求只用黑白两种颜色，它可能偷偷加渐变色。

第五，真实性判断。

AI 可以生成很多“看起来很真实”的东西，但这并不代表它真的正确。今天最后一个测试，我会专门用天气页面来做一个反转，让大家看到 AI 最危险的一面：它可以让假的东西看起来像真的。

第一题：黑客入侵终端

开场我们先来一道视觉冲击力很强的题目：模拟黑客入侵终端。

提示词

生成一个完整可运行的HTML网页（包含HTML+CSS+JS，所有资源内嵌，无需外部依赖）。
模拟黑客入侵终端界面：黑色背景+绿色字符雨效果，自动滚动显示“正在破解密码”“已入侵服务器”等动态文本，并带进度条。
要求：页面加载后自动播放，3秒内进入高潮动画，最后弹出“Access Granted”提示，并提供音效开关按钮。

这道题本身没有什么业务价值，但非常适合做开场，因为它能快速看出模型的动效组合能力。

差一点的模型，可能只会生成一个静态页面，放几行绿色文字，看起来像终端，但没有节奏，没有推进，也没有真正的动画。

强一点的模型，会知道怎么让画面一步一步升级：先出现终端文字，再增加滚动日志，然后进度条推进，最后弹出 Access Granted，整个过程有明显的情绪递进。

这道题主要看三个点：页面是否能直接运行。动画是否有节奏。最后是否有高潮效果。

如果一个模型连这种偏展示型页面都做不出效果，那后面的复杂任务基本就更危险了。

第二题：恐怖惊吓页面

第二题我们测试的是节奏控制能力。

提示词：

生成一个完整 HTML 网页，页面一开始是安静的风景或者日记内容，并带有轻微背景动画。至少 5 秒平静铺垫之后，突然出现惊吓画面，比如鬼脸和音效，然后恢复正常，并提示“你被吓到了吗？”

 

这题的重点不是鬼脸，而是铺垫。很多模型会犯一个错误：页面一打开就直接吓人。这就不成立了。真正的惊吓效果，关键在于前面要足够平静，让观众放松警惕。至少 5 秒的安静铺垫非常重要。

所以这道题主要看：

模型有没有理解“至少 5 秒平静铺垫”。

惊吓画面是否突然。

惊吓后是否能恢复正常。

有没有音效控制。

差的模型只会堆效果，好的模型会控制节奏。

这也是 AI 生成交互内容时很重要的一点：它不仅要会写代码，还要懂体验。

第三题：读心术互动页面

第五题稍微放松一点，做一个互动型页面：读心术。

要求用户在心里想一个 1 到 100 的数字，通过 3 到 5 步点击引导，逐步缩小范围。每一步都有动画反馈和提示语，比如“越来越接近了”，最后用动画展示“AI猜你想的是 XX”。

提示词：

生成一个HTML互动页面，让用户在心里想一个1-100的数字，通过3-5步点击引导逐步缩小范围。
要求：每一步都有动画反馈和提示语（如“越来越接近了”），最后用动画展示“AI猜你想的是XX”。

 

这题其实并不是真的 AI 读心，而是经典的交互设计和算法包装。它的重点在于：模型能不能把一个简单逻辑包装成一个有趣的体验。

有些模型会做得很粗糙，只是几个按钮加一行结果。

好的模型会设计流程，比如让用户选择数字范围、奇偶、大小区间，然后逐步缩小范围，最后给出一个看似神奇的结果。

这道题可以很好地说明一点：

观众体验不等于技术难度。

有些东西技术上不复杂，但只要包装得好，就会显得很高级。

这也是 AI 生成内容时非常常见的现象：它很会“装懂”，也很会“制造感觉”。

第四题：股票市场 K 线图

第六题测试数据和动画结合能力。

要求生成一个 HTML 网页，模拟股票市场 K 线图动态变化。需要自动波动动画、涨跌颜色变化，并提供按钮触发“暴涨”和“崩盘”。动画要夸张、有冲击力。

提示词：

生成一个HTML网页，模拟股票市场K线图动态变化。
要求：

自动波动动画
涨跌颜色变化
提供按钮触发“暴涨”和“崩盘”
动画夸张、有冲击力

 

这道题重点看的是动态效果。差的模型可能会画一个静态图，或者用几个柱子假装 K 线，但不会真正变化。好的模型会生成动态数据，让图表持续波动，并且点击“暴涨”或“崩盘”按钮后，能明显看到趋势变化。

这题主要看：

K 线是否真的动态变化。

涨跌颜色是否清晰。

暴涨和崩盘按钮是否有效。

动画是否有冲击力。

如果模型只是做了一个看起来像股票图的静态页面，那它其实没有完成任务。

第五题：拆弹小游戏

第八题是综合能力测试：拆弹游戏。

要求生成一个 HTML 小游戏，场景是拆弹。页面需要有 30 秒倒计时，多根电线可选，不同选择触发不同结局。倒计时音效逐渐加快，最后 3 秒要有明显紧张提示。

提示词：

生成一个HTML小游戏：拆弹场景。
要求：

30秒倒计时
多根电线可选
不同选择触发不同结局
倒计时音效逐渐加快，最后3秒明显紧张提示

 

它同时考验逻辑、UI、状态管理和氛围营造。模型必须处理倒计时、用户选择、成功分支、失败分支、音效节奏、最后 3 秒提示等多个状态。

差的模型可能只是做几个按钮，点哪个都显示同一个结果。

好的模型会让不同电线对应不同结局，比如剪红线成功、剪蓝线爆炸、剪黄线倒计时加速、剪绿线进入隐藏结局。这类小游戏最能看出模型写交互逻辑的能力。

第六题：天气查询页面打假

最后一题是本期最重要的收尾反转：天气查询页面。

要求生成一个 HTML 天气查询页面，默认显示一个城市天气，要调用真实 API，UI 要精美，并提供“刷新数据”按钮。多次刷新后，数据会出现明显不一致甚至荒谬，比如温度突然大幅变化，

提示词：

生成一个HTML天气查询页面。
要求：

默认显示一个城市天气
要调用真实的API
UI画面要精美

 

这题的重点不只是做天气页面，而是打假。因为 AI 很容易生成一个“看起来像真实 API”的页面。它会写接口地址，会写加载状态，会写天气卡片，会显示温度、湿度、风速。

但问题是：这些数据是真的吗？很多时候并不是。所以这道题的价值在于告诉我们：AI 可以生成看起来很真的东西。但看起来真，不代表它就是真的。你必须有判断能力。

AI 编程能力越来越强，但它最大的风险也在这里：它能把假的东西包装得非常真实。

最终总结：谁才是真正的编程王者？

通过这组测试，我们看的不只是哪个模型会写代码，而是哪个模型更接近真实开发中的可靠助手。

一个真正强的编程 AI，应该具备几个能力：

能理解需求。

能一次性生成可运行代码。

能处理交互逻辑。

能控制动画节奏。

能遵守限制条件。

能保持长逻辑一致。

能把解释和代码对应起来。

不会用看似真实的内容糊弄用户

今天这些测试从视觉效果、剧情节奏、状态管理、交互逻辑、推理一致性、UI 审美，到最后的真实性判断，基本覆盖了 AI 编程应用中非常关键的几个场景。

最后我们会发现，AI 最厉害的地方，不一定是它真的知道答案，而是它可以让一个答案看起来非常像正确答案。

这也是我们使用 AI 时最需要警惕的地方。

它可以让页面看起来像产品。

它可以让动画看起来很高级。

它可以让推理看起来很严谨。

它甚至可以让假的数据看起来像真的。

所以今天这期测试，表面上是在看 ChatGPT5.5、Claude 4.7、DeepSeek V4、GLM 5.1 和 Gemini 3.1 Pro 谁的编程能力更强。

但更深一层，其实是在看：

哪个 AI 更会“演”。

哪个 AI 更像真的在工作。

以及我们自己有多容易被 AI 说服。

这才是这场编程王者对决真正值得关注的地方。

如果你也想亲自测试，可以用同样的提示词，把它们分别丢给不同模型，然后看它们生成的代码是否能直接运行，效果是否符合要求，逻辑是否稳定。

记住一句话：

AI 最可怕的不是不会写代码，而是它写错了，你却看不出来。

最近，llama.cpp 又迎来了一次非常重要的更新。对于经常在 Windows 上折腾本地 AI 大模型的用户来说，这次更新可以说相当实用。

因为现在官方已经开始真正意义上的：“降低 Windows 本地 AI 的使用门槛”！

以前很多人第一次接触本地大模型，最头疼的其实不是模型本身，而是各种环境问题：

• CUDA 版本不匹配
• DLL 缺失
• 驱动不兼容
• CMake 编译失败
• 环境变量错误
• Vulkan / HIP 配置复杂
• Windows 编译过程报错

尤其很多新手，教程还没看完，就已经被环境问题劝退了。

但现在不一样了。

在 llama.cpp 最新发布的 b9196 版本中，官方已经直接提供了多种 Windows 预编译版本，很多情况下已经可以做到：下载 → 解压 → 双击运行！这对于 Windows 本地 AI 用户来说，绝对算是一件好事。

llama.cpp 是什么？

llama.cpp 官方 GitHub 是目前最流行的本地 GGUF 模型推理框架之一。

官方下载：【点击前往】 或 【网盘下载】、【整合下载】

 

很多大家熟悉的本地模型，其实都可以通过 llama.cpp 运行：

• Qwen
• Llama
• DeepSeek
• Gemma
• Hermes
• Dolphin
• Mistral
• Mixtral

尤其现在 GGUF 生态越来越成熟，很多模型都会第一时间发布 GGUF 量化版本。

视频教程：

而 llama.cpp 最大的优势就是：

轻量
跨平台
支持 GPU
支持 CPU
支持 GGUF

而且现在甚至已经支持：

多模态
图片理解
Vision 模型
OpenAI 风格 API
网页聊天界面

 

llama.cpp 最新 Windows 版本支持什么？

目前官方 Release 页面已经直接提供：

• Windows x64 CPU
• Windows x64 CUDA 12.4
• Windows x64 CUDA 13.1
• Windows x64 Vulkan
• Windows x64 HIP Radeon
• Windows x64 SYCL
• Windows ARM64 CPU

这意味着：

NVIDIA 用户

可以直接选择：CUDA 12.4 或者 CUDA 13.1

如果你是：

• RTX 3060
• RTX 4060
• RTX 4070
• RTX 4080
• RTX 4090

基本建议优先 CUDA。

AMD 用户

现在终于不用完全依赖 ROCm 了。

你可以：HIP 或者 Vulkan

很多情况下，Vulkan 反而比 HIP 更稳定。

Intel 用户

现在 Intel 核显、Arc 独显也终于有得玩了。

可以尝试：SYCL 或者 Vulkan

虽然性能和 NVIDIA 还有差距，但已经能正常跑很多 GGUF 小模型。

如何启动 GGUF 模型？

例如：gemma-4-31b-jang-crack-Q4_K_M.gguf

启动方式其实非常简单。

进入 llama.cpp 目录：

llama-server.exe -m models\你的模型.gguf -ngl 999

 

其中：-ngl 999 代表尽量把模型全部加载到 GPU。

启动成功后，浏览器打开：http://127.0.0.1:8080

即可进入网页聊天界面。

如何启动 GGUF 多模态视觉模型？

加载视觉模型需要2个文件，一个是主模型文件，另外一个就是 mmproj 视觉模型加载文件

目前支持较好的包括：

Qwen2-VL / Qwen2.5-VL

目前中文视觉能力最强之一：

• OCR
• 截图理解
• 网页识别
• 中文图片问答

表现都非常强。

主模型下载：【点击前往】或 【网盘下载】、【备用下载】

 

 

比如我让它给做视频封面的点击率测试，居然可以做到100%正确！当然它的功能远不止这些…….

 

多模态模型启用：

llama-server.exe -m "models\主模型.gguf" --mmproj "models\mmproj视觉模型.gguf" -ngl 999

 

 

无审查模型：

1、Llama3-8b-DarkIdol 是比较热门的无审查的开源大模型

支持中文、日文和英语，非常适合角色扮演。

模型下载：【点击前往】或 【打包下载】打包版下载即可使用无需合并转换格式

下载合并为GGUF模型格式

huggingface-cli download aifeifei798/llama3-8B-DarkIdol-2.3-Uncensored-32K --local-dir DarkIdol-HF --local-dir-use-symlinks False

然后用 llama.cpp 转 GGUF：

git clone https://github.com/ggerganov/llama.cpp
cd llama.cpp
pip install -r requirements.txt

python convert_hf_to_gguf.py ../DarkIdol-HF --outtype f16 --outfile ../DarkIdol-F16.gguf

需要量化成 Q4_K_M的话可以命令：

llama-quantize.exe ../DarkIdol-F16.gguf ../DarkIdol-Q4_K_M.gguf Q4_K_M

 

 

 

 

2、Gemma-4-31b-jang-crack-Q4_K_M 是 Google 开源的无审查大模型

这是一个在本地跑：听话、高效、不乱加道德判断的AI

• 推理能力扎实：在数学和代码相关任务上表现突出，尤其长上下文处理（原生支持128K，部分可扩展到256K）。你甚至可以把整个项目代码库或一本技术手册一次性喂给它，它不会轻易“失忆”。
• 参数效率高：
  26B MoE版本激活参数不多，跑起来相对轻快，在很多基准上效率比同级别模型更好。
• 开源友好：
  Apache 2.0协议，允许修改、商用和二次分发，这对想自己折腾或做副业的朋友来说非常实用。

官方版的主要问题是安全对齐层比较厚，很多正常的技术探讨或创意场景容易被挡住。越狱版通过社区技术（abliteration等）移除了这部分限制，保留了绝大部分原始能力。

模型下载：【点击前往】或 【打包下载】、【备用下载】

 

 

更多越狱模型：

1、Hermes-3 【点击下载】

2、Qwen 越狱模型【点击下载】

3、Deepseek 越狱模型【点击下载】

多种模态自由切换运行：

如果我们同时下载了多种不同的模型，为了方便统一管理，在运行的时候我们可以使用零度的这个脚本，来实现多模型自由切换运行，注意将里面的模型名称改成你自己的！

@echo off
chcp 65001 >nul
cd /d C:\Users\LINGDU\Desktop\llama-b9196-bin-win-cuda-13.1-x64

echo 请选择模型：
echo 1. Gemma 31B
echo 2. Qwen VL 多模态
echo 3. DeepSeek

set /p choice=输入数字：

if "%choice%"=="1" llama-server.exe -m "models\gemma-4-31b-jang-crack-Q4_K_M.gguf" -ngl 999
if "%choice%"=="2" llama-server.exe -m "models\Qwen2.5-VL-7B-Instruct-Q4_K_M.gguf" --mmproj "models\mmproj-BF16.gguf" -ngl 999
if "%choice%"=="3" llama-server.exe -m "models\deepseek.gguf" -ngl 999

pause

将上方的命令保存到文本文档里，另存为的时候选择utf-8格式，最后将txt后缀改成bat即可！双击运行即可看到下方的选项

 

 

 

输入模型对应的数字就可以成功启动模型

 

 

 

最近 AI 圈，真的越来越离谱了。如果你一直关注本地大模型，应该已经发现：现在的开源模型，不仅越来越聪明，甚至已经开始挑战很多闭源商业 AI。而今天要介绍的这个模型，更是直接把“本地 AI”推向了另一个阶段。

它就是：Qwen3.6-35B-A3B Uncensored HauhauCS Aggressive

 

一个目前热度极高的“越狱版”开源模型。而且重点是：它不仅无审查、无限制，还非常聪明。甚至可以说：这可能是目前最强的越狱版开源模型之一。

 

什么是“越狱版”模型？

简单来说：

官方模型通常会加入大量安全限制。

比如：

• 敏感内容拒答
• 某些问题无法回答
• 强制政治正确
• 输出被过滤
• 系统提示词限制

所以很多时候：

你明明只是正常提问。

结果模型却：

“抱歉，我无法帮助你。”

而这类 Uncensored（无审查）版本：

则会尽可能移除这些限制。

尤其这个：

Aggressive 版本

可以说是：

目前最激进的版本之一。

官方模型 VS 越狱版模型

 

实测效果非常夸张。同样的问题：

官方模型：

• 疯狂拒答
• 强制安全策略
• 输出保守

而越狱版：

不仅会回答。

甚至：

• 什么都敢说
• 什么都肯干
• 几乎没有限制

而且最关键的是：

它并不是那种：

“只会越狱，但智商很低”的模型。

恰恰相反。

这个模型：

真的非常聪明。

部署教程：

 

1、模型下载

【huggingface 下载】、【网盘打包下载】、或 【备用下载】

模型来源：O站社区

里面有多种不同大小的量化版，你可以根据自己的显存大小，来选择对应的版本，最小的11G模型可以在6G/8G显存上跑起来，但是建议最低使用8G显存

 

2、下载 llama.cpp

下载方式：【Github下载】、【网盘下载】或 【整合包下载】

这款免费开源项目支持 N卡、A卡、I卡 还有纯CPU运行，同时也可以在Mac、Linux系统上运行！也就意味着，你几乎可以在任何电脑上进行运行。速度还非常快，远比ollama、LM Studio 快的多也稳定的多！！

 

3、一键启动脚本（支持多版本切换）

将下面的的脚本另存为BAT批处理，保存的时候选择utf-8格式，嫌麻烦直接【点击下载】打包版

@echo off
chcp 65001 >nul
title Qwen3.6-35B-A3B 越狱版

cd /d "%~dp0"

:menu
cls
echo ==========================================
echo      Qwen3.6-35B-A3B 越狱版+多模态模型
echo               零度优化版
echo ==========================================
echo.
echo 1. Q4_K_P（4090 推荐）
echo 2. Q4_K_M（稳定版）
echo 3. IQ4_NL（高压缩高质量）
echo 4. IQ2_M（6G/8G 显卡）
echo.
echo ==========================================

set /p choice=请输入数字：

if "%choice%"=="1" (
    llama-server.exe ^
    -m "models\Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-Q4_K_P.gguf" ^
    --mmproj "models\mmproj-Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-f16.gguf" ^
    -ngl 999 ^
    -c 131072 ^
    -n 8192 ^
    --host 127.0.0.1 ^
    --port 8080
)

if "%choice%"=="2" (
    llama-server.exe ^
    -m "models\Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-Q4_K_M.gguf" ^
    --mmproj "models\mmproj-Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-f16.gguf" ^
    -ngl 999 ^
    -c 131072 ^
    -n 8192 ^
    --host 127.0.0.1 ^
    --port 8080
)

if "%choice%"=="3" (
    llama-server.exe ^
    -m "models\Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-IQ4_NL.gguf" ^
    --mmproj "models\mmproj-Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-f16.gguf" ^
    -ngl 999 ^
    -c 131072 ^
    -n 8192 ^
    --host 127.0.0.1 ^
    --port 8080
)

if "%choice%"=="4" (
    llama-server.exe ^
    -m "models\Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-IQ2_M.gguf" ^
    --mmproj "models\mmproj-Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-f16.gguf" ^
    -ngl 999 ^
    -c 8192 ^
    -n 4096 ^
    --host 127.0.0.1 ^
    --port 8080
)

pause

 

打开后在上面选择对应的模型，输入对应的数字确认即可启动！

 

注意：如果启动后出现乱码，则：进入系统设置中心，在顶部搜索关键词：系统区域设置，打开选择用于非Unicode程序的语言，然后勾选 Beta版：使用 Unicode UTF-8 提供全球语言支持；重启电脑再打开就不会乱码！ 如下图所示：

 

当然需要真正实现tokens自由，本地不受限制，完全免费使用AI Agent，那么将其对接到Hermes或者OpenClaw 小龙虾上去，才能真正体现出它的价值所在。

AI Agent 对接步骤：

1、在选择模型提供商的时候，选择自定义

 

2、API base 地址填写：

http://127.0.0.1:8080/v1

 

API key 密钥随便填写一个数字或留空都可以

 

3、其它设置可以根据自己的喜好进行自定义

 

 

Qwen3.6-35B-A3B 为什么这么强？

 

很多人看到：

35B

第一反应是：

“这得服务器才能跑吧？”

但实际上：

Qwen3.6-35B-A3B 用的是：

MoE（专家混合架构）

简单理解：

虽然模型总参数是 35B。

但每次实际运行时：

只会激活大约 3B 参数。

这意味着：

它既拥有超大模型的能力。

又拥有小模型的速度。

6G 显存都能跑？

是的。

这也是它最夸张的地方之一。

通过 GGUF 量化后：

甚至：

• 6G 显存
• 8G 显存
• 普通游戏显卡

都能运行。

并且支持：

• NVIDIA 显卡
• AMD 显卡
• Intel Arc 显卡

真正实现：

本地 AI 自由

在 Artificial Analysis 排行榜中表现极强

目前在全球权威 AI 榜单：

Artificial Analysis

Qwen3.6-35B-A3B 在 40B 以内开源模型中：

几乎属于第一梯队。

尤其：

• 中文理解
• 代码能力
• 多模态视觉
• 推理能力
• 长上下文能力

表现都非常夸张。

尤其中文能力。

可以说：

这是目前中文体验最强的一批开源模型。

多模态支持也非常离谱

这次不仅支持文本。

还支持：

多模态视觉识图

也就是说：

它可以直接：

• 看图片
• 分析截图
• OCR 识别
• 理解画面内容
• 分析复杂 UI
• 阅读代码截图

配合 llama.cpp 最新版后：

甚至已经可以当：

本地版 ChatGPT Vision

来使用。

本地部署非常简单

这次部署方案：

我使用的是：

llama.cpp 最新版

优点非常明显：

• 免费
• 开源
• 支持 Windows
• 支持 CUDA
• 支持 Vulkan
• 支持 AMD
• 支持 Intel

而且：

现在 llama.cpp 已经越来越成熟。

不仅支持：

• OpenAI API
• 多模态
• 超长上下文
• Agent 调用

甚至还能直接：

本地替代 OpenAI API

Hermes Agent 实测效果惊艳

这次我还把它：

接入了 Hermes Agent。

效果可以说：

非常炸裂。

因为现在：

你不仅仅是在“聊天”。

而是：

真正拥有了一个：

本地 AI Agent

它可以：

• 自动写代码
• 自动分析图片
• 自动执行任务
• 自动工具调用
• 自动联网
• 长上下文记忆

而且：

完全本地运行。

不用联网。

不用 API Key。

没有 Token 消耗。

真正实现：

• Token 自由
• Agent 自由
• 本地 AI 自由

推荐量化版本

不同显卡。

推荐不同量化。

RTX 4090 / 24G 显存

推荐：

• Q4_K_P
• Q4_K_M

体验最好。

8G 显存用户

推荐：

• IQ2_M
• IQ3_M

也能正常运行。

推荐 llama.cpp 参数

推荐启动参数：

llama-server.exe ^
-m "模型路径.gguf" ^
--mmproj "mmproj.gguf" ^
-ngl 999 ^
-c 131072 ^
-n 8192 ^
--host 127.0.0.1 ^
--port 8080 ^
--jinja

其中：

--mmproj

是多模态必须参数。

否则：

上传图片按钮会变灰。

--jinja

则是新版 Qwen 模型非常重要的参数。

不加的话：

可能出现：

• 回复异常
• 格式错乱
• 无限重复
• 中文异常

现在的本地 AI，已经完全变了

很多人对本地模型的印象：

还停留在：

• 很笨
• 很慢
• 只能聊天
• 无法实用

但现在。

真的不一样了。

尤其：

Qwen3.6-35B-A3B 这种模型出现后。

本地 AI 已经开始：

真正接近商业闭源模型。

而且：

完全属于你自己。

最后

如果你一直想体验：

• 无审查 AI
• 本地 AI
• 多模态 AI
• 本地 Agent
• 超长上下文
• 本地 OpenAI API

那么：

这个模型。真的非常值得尝试。因为现在这种资源：谁也不知道还能存在多久。建议尽快收藏、下载、备份！

 

1、安装 OpenAI Codex

下载方式：【点击前往】 或 【备用下载】

 

如果你下载的是macOS版，注意选择intel 、M 芯片

 

2、安装新版 Ollama

目前只有最新版Ollama 0.24 版本才完全适配Codex，所以如果你安装的是旧版ollama，一定要将其升级到最新版

下载方式：【点击前往】 或 【备用下载】

 

3、下载模型：

在4B~40B消费级显卡能跑的开源模型，首推 Qwen3.6 以及 谷歌的 Gemma 4 开源模型，因为无论是模型智力、代码编写、逻辑推理、中文理解等方面，这两款模型的综合评分都是数一数二的！

 

 

Qwen3.6 开源模型

 

安装命令：

ollama run qwen3.6
ollama run qwen3.6:27b

 

mac 电脑上请选择mlx结尾的适配版

ollama run qwen3.6:27b-mlx
ollama run qwen3.6:35b-mlx

 

Qwen 3.6 其它尺寸的模型 【获取链接】

Qwen 3.6 越狱版模型： 【点击下载】

 

Gemma 4 开源模型

安装命令：

ollama run gemma4
ollama run gemma4:26b
ollama run gemma4:31b

mac 电脑可选模型

 

ollama run gemma4:e2b-mlx
ollama run gemma4:e4b-mlx
ollama run gemma4:26b-mlx

 

Gemma 4 其它尺寸模型：【获取链接】

Gemma 4 越狱版模型：【点击下载】

 

4、对接命令：

ollama launch codex-app

 

注意：如果需要使用之前的模型，可以通过下方的命令进行恢复：

 

ollama launch codex-app --restore

 

【更强玩法】通过 llama.cpp 对接 Codex 加载越狱版模型

 

1、修改Codex的配置文件：

 

model = "Qwen3.6-27B-UD-Q5_K_XL.gguf"
model_reasoning_effort = "low"
profile = "llamacpp-codex"

model_provider = "llamacpp"

[profiles.llamacpp-codex]
model = "Qwen3.6-27B-UD-Q5_K_XL.gguf"
model_provider = "llamacpp"
model_reasoning_effort = "low"

[profiles.llamacpp-codex.windows]
sandbox = "elevated"

[model_providers.llamacpp]
name = "llama.cpp"
base_url = "http://127.0.0.1:8080/v1/"
wire_api = "responses"

[windows]
sandbox = "elevated"

 

2、llama.cpp 的启动命令:

 

llama-server.exe ^
-m "models\Qwen3.6-27B-UD-Q5_K_XL.gguf" ^
-ngl 999 ^
-c 16384 ^
-n 2048 ^
-fa on ^
--jinja ^
--host 127.0.0.1 ^
--port 8080

里面的模型改成你自己的