验收管线实测：Claude Code 对比 Pi+Qwen 3.8

WeZZard @realWeZZard原推发布于 2026.09.26

在 X 上打开原推

这是我自己验收管线上的一个真实工作负载，使用 Claude Code 加 Sonnet 作为 Computer-Use Agent，对比 Pi 加 Qwen 3.8 27B 默认思考深度的结果。 当然，Qwen 3.8 27B 还有很多可优化的空间，比如说降低思考深度、累积数据集后进行 fine-tune、引入 DiffusionGemma as Jev 作为 executor。 感觉这个模型已经到了可用的阶段了。