Qwen 3.6 vs Llama 4: открытые модели для локального кодинга

Qwen 3.6 35B A3B от Alibaba получил 1274 upvotes на Hacker News — «agentic coding power, now open to all». Llama 4 Maverick от Meta — 1235 upvotes, 402B параметров, 117.6 токенов/сек. Обе модели с открытыми весами, обе можно запускать локально, но это принципиально разные архитектуры и разные сценарии применения.

В PlusVibe мы разобрали, где Qwen 3.6 сильнее, а где Llama 4 имеет уникальные преимущества — в кодинге, скорости, локальном запуске и self-hosting. Ниже — конкретные выводы.

Главное наблюдение: «качество против скорости и размера»

Qwen 3.6 и Llama 4 делают разные ставки:

• Qwen 3.6 (35B A3B / 27B) — фокус на кодинге и рассуждении. 35B A3B — MoE-модель с 3B активных параметров. Dense-вариант 27B (полнопараметрический) — Intelligence Index ~37, что соответствует уровню mid-2025 GPT-5 / Claude Sonnet 4.5. Qwen 3.6 27B признан «sweet spot for local development» (Quesma, 1192 upvotes HN).
• Llama 4 Maverick (402B, 17B активных) — фокус на скорости и multimodal. 117.6 токенов/сек — одна из самых быстрых моделей в мире. Поддержка текста и изображений. Intelligence Index 14 (ниже среднего для open weights的大型 модели), но при этом — высокая скорость, низкая цена и multimodal.

Это не «две модели одного класса». Qwen 3.6 — для качества кода, Llama 4 — для скорости, объёмной обработки и дешёвого multimodal.

Сценарий 1. Локальный кодинг и self-hosting

Здесь Qwen 3.6 имеет значительное преимущество:

• Qwen 3.6 27B в 8-bit квантизации требует ~28-41 GB RAM и запускается на MacBook Pro M5 128GB через llama.cpp со скоростью 18-32 токенов/сек. Simon Willison проверил: модель создаёт hexagonal minesweeper с одного промпта, с правильным Node-пакетом.
• Qwen 3.6 35B A3B (MoE-вариант) быстрее: 85-105 токенов/сек на том же железе. Но на кодинге 27B-вариант стабильнее —中介 «I'd rather generate a third as much code, but of higher quality» (Piotr Migdał, Quesma).
• Llama 4 Maverick (402B) для локального запуска требует серьёзного железа — это не модель для MacBook. Llama 4 Scout (109B, 17B активных) — запускабельна, но intelligence всего 10, что недостаточно для серьёзного кодинга.

Вывод по сценарию: для локального кодинга на доступном железе — Qwen 3.6 27B безальтернативна среди открытых моделей.

Сценарий 2. Качество кода и рассуждение

По качеству Qwen 3.6 заметно опережает Llama 4:

• Qwen 3.6 27B — Artificial Analysis Intelligence Index ~37, что соответствует уровню GPT-5 / Claude Sonnet 4.5 (mid-2025). Для локально запускаемой 27B-модели это выдающийся результат. «Punches above its weight» — общий консенсус сообщества.
• Llama 4 Maverick — Intelligence Index 14. Ниже среднего даже среди open-weights моделей аналогичного размера (медиана 17). Llama 4 Scout — 10. Для серьёзного кодинга этого недостаточно.
• Llama 4 (релиз April 2025) уже устарел по интеллекту: Qwen 3.6 (релиз ~June 2026) — следующее поколение.

Вывод по сценарию: для качества кода — Qwen 3.6. Llama 4 для кодинга не конкурент.

Сценарий 3. Скорость и throughput

Здесь Llama 4 Maverick доминирует:

• Llama 4 Maverick — 117.6 токенов/сек (Artificial Analysis). #4 по скорости среди всех моделей в рейтинге (включая проприетарные). 17B активных параметров MoE = быстрая инференция.
• Llama 4 Scout — 108.1 токенов/сек. #7 в мире.
• Qwen 3.6 35B A3B (MoE) локально — до 105 токенов/сек с MTP (multi-token prediction). Но при запросе через API — зависит от провайдера.
• Qwen 3.6 27B локально — 32 токенов/сек. Медленнее Llama 4 Maverick в 3.5x, но это цена за более высокое качество.

Для high-throughput-задач (обработка тысяч документов, массовая генерация) — Llama 4 Maverick. Для качества — Qwen 3.6.

Вывод по сценарию: для throughput — Llama 4 Maverick. Для качества на читаемой скорости — Qwen 3.6 27B.

Сценарий 4. Vision и мультимодальность

Обе модели поддерживают image input, но Llama 4 лучше отлажена для массового multimodal:

• Llama 4 Maverick/Scout — оба варианта поддерживают image input. Llama 4 позиционируется Meta как мультимодальная «from the ground up».
• Qwen 3.6 — в стандартных конфигурациях (27B, 35B A3B) ориентирован на текст и код. Для vision-задач у Alibaba существует отдельная линейка Qwen3-VL.

Для дешёвого массового multimodal (image+text в одном pipeline) — Llama 4 удобнее. Для чистого кодинга — Qwen 3.6.

Сценарий 5. Контекстное окно

• Llama 4 Scout — 10M токенов контекста. Это самый большой контекст среди всех моделей в мире. ~15000 страниц A4. Для обработки гигантских документов, целых кодовых баз, длинных логов — безальтернативна.
• Llama 4 Maverick — 1M токенов. Стандартный frontier-уровень.
• Qwen 3.6 27B — 256K токенов (native). Достаточно для большинства задач.

Для задач с очень большим контекстом (анализ всего репозитория, длинные логи) — Llama 4 Scout с 10M — единственный выбор.

Сценарий 6. Цена и экономика

Реальные цены в PlusVibe:

Справочно, upstream-цены на OpenRouter (USD):

• Llama 4 Maverick — $0.35 / $0.85 за 1M токенов (вход/выход). Одна из самых дешёвых моделей в мире.
• Llama 4 Scout — $0.17 / $0.66 за 1M токенов.
• Qwen 3.6 35B в PlusVibe — 16₽ / 64₽ (≈$0.21 / $0.86). Сопоставимо с Llama 4 Maverick по upstream-цене.

Что важно понимать по экономике:

• Qwen 3.6 35B — одна из самых дешёвых моделей в PlusVibe. 16₽/64₽ — это frontier-уровень по цене ниже большинства проприетарных моделей.
• Llama 4 Maverick и Scout доступны «по запросу» через OpenRouter-интеграцию PlusVibe. Цены — на уровне самых дешёвых моделей на рынке.
• Для максимальной экономии: Qwen 3.6 35B-economy — 14₽/54₽. Разница в качестве минимальна, экономия ~12%.

Практический ориентир: если вам нужен дешёвый качественный кодинг по API — Qwen 3.6 35B. Если throughput и дешевизна важнее качества — Llama 4 Maverick. Если 10M контекст — Llama 4 Scout.

Сценарий 7. Локальный запуск и железо

Здесь Qwen 3.6 — безоговорочный лидер для разработчиков:

• Qwen 3.6 27B в Q8_0 — ~28 GB RAM. Запускается на MacBook Pro 64GB через llama.cpp. С MTP (multi-token prediction) — до 32 токенов/сек. Это первый локальный кодинг-стандарт: «first local model that actually makes sense as a general intelligence» (Piotr Migdaл, Quesma).
• Qwen 3.6 35B A3B (MoE) — ~44 GB RAM, до 105 токенов/сек. Быстрее, но чуть ниже по качеству кода.
• Llama 4 Maverick (402B) — требует серьёзного серверного железа (multiple GPUs). Не подходит для персонального локального запуска.
• Llama 4 Scout (109B) — также требует мощного железа. 10M контекст доступен только через API-провайдеров.

Для локального кодинга на MacBook/рабочей станции — Qwen 3.6 27B. Для серверного self-hosting — любая из моделей в зависимости от задачи.

Когда что брать: сводная таблица

Как подключить обе модели через PlusVibe API

PlusVibe даёт и Qwen 3.6, и Llama 4 под одним ключом по prepaid-рублёвой оплате, без подписки, через единый OpenAI-совместимый base_url. Любой SDK из экосистемы работает из коробки — достаточно сменить base_url на https://plusvibeapi.ru/v1.

Получить ключ — на plusvibeapi.ru. Живой каталог моделей и цен — на plusvibeapi.ru/models или через GET /api/catalog.

Пример: запрос к Qwen 3.6 35B (curl)

# $PV_KEY — ваш ключ PlusVibe (sk-pv-...)
curl -X POST https://plusvibeapi.ru/v1/chat/completions \
  -H "Authorization: Bearer $PV_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3.6-35b",
    "messages": [
      {"role": "system", "content": "Ты — опытный разработчик. Пиши чистый, рабочий код."},
      {"role": "user", "content": "Напиши REST API CRUD для управления задачами на FastAPI с SQLAlchemy."}
    ],
    "max_tokens": 2000
  }'

Пример: запрос к Llama 4 Maverick (curl)

# Llama 4 доступен по запросу через OpenRouter-интеграцию PlusVibe.
curl -X POST https://plusvibeapi.ru/v1/chat/completions \
  -H "Authorization: Bearer $PV_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "llama-4-maverick",
    "messages": [
      {"role": "system", "content": "Ты — быстрый помощник для обработки текста. Отвечай кратко и эффективно."},
      {"role": "user", "content": "Проанализируй логи ошибок и выдели ТОП-3 проблемы."}
    ],
    "max_tokens": 1500
  }'

Гибридная схема: Llama 4 обрабатывает объём, Qwen 3.6 — кодинг (Python)

Паттерн для high-volume-обработки: Llama 4 Maverick быстро обрабатывает большой объём текста/логов (скорость + дешевизна), Qwen 3.6 пишет код фиксов.

from openai import OpenAI

# Один клиент на обе модели — отличается только поле model
client = OpenAI(
    api_key="sk-pv-ВАШ_КЛЮЧ",
    base_url="https://plusvibeapi.ru/v1"
)

def scan_with_llama4(logs: str) -> str:
    """Llama 4 Maverick быстро и дёшево сканирует большие объёмы."""
    r = client.chat.completions.create(
        model="llama-4-maverick",
        messages=[
            {"role": "system", "content": "Анализатор логов. Найди ошибки, классифицируй, выдели критические."},
            {"role": "user", "content": logs}
        ],
        max_tokens=1500
    )
    return r.choices[0].message.content

def fix_with_qwen36(analysis: str, codebase: str) -> str:
    """Qwen 3.6 — качественная генерация кода фикса."""
    r = client.chat.completions.create(
        model="qwen3.6-35b",
        messages=[
            {"role": "system", "content": "Senior-разработчик. Напиши фикс на основе анализа. Пиши чистый рабочий код."},
            {"role": "user", "content": f"Анализ:\n{analysis}\n\nКод:\n{codebase}\n\nНапиши фикс."}
        ],
        max_tokens=2000
    )
    return r.choices[0].message.content

# Llama 4 = скорость и дешевизна на объёме.
# Qwen 3.6 = качество на коде.
analysis = scan_with_llama4(logs="# мегабайты логов\n...")
fix = fix_with_qwen36(analysis, codebase="# relevant code\n...")

Итог: две open-weights модели для двух разных задач

Qwen 3.6 и Llama 4 — обе с открытыми весами, обе можно self-host. Но это модели для принципиально разных сценариев:

• Qwen 3.6 (27B / 35B A3B) — первый локальный стандарт кодинга. Intelligence Index ~37, запуск на MacBook, ~32 tok/s. Рекомендация Quesma (1192 upvotes HN): «the sweet spot for local development». Для кодинга и рассуждения — безальтернативна среди открытых моделей среднего размера.
• Llama 4 (Maverick / Scout) — для скорости, throughput и контекста. 117.6 токенов/сек (#4 в мире), 10M контекст (Scout), multimodal from the ground up. Дешевизна ($0.17-0.35 за 1M) делает Llama 4 оптимальным для массовой обработки. Intelligence 14 — недостаточно для серьёзного кодинга, но для текстовой обработки — достаточно.

Выбирать навсегда не нужно. PlusVibe API даёт обе модели под одним ключом по prepaid-рублёвой оплате, без подписки, с одним base_url. Рекомендуем провести 1-2 недели, используя обе модели на ваших реальных задачах — собственная эмпирика ценнее десятого пересказа бенчмарков.

Эта статья — редакционный разбор PlusVibe, основанный на данных Artificial Analysis, Quesma, Qwen Blog, Simon Willison и публичных обсуждениях. Получить доступ к обеим моделям под одним ключом — plusvibeapi.ru.