大家好，我是 Ai Qwen 的老章。 我觉得，Fable 5.2 的表现把大家的眼光喂刁了，别说拿 Qwen4-Max-Preview 跑类似任务，国产模型其实都顶不住 前文我的实测结果，评论区反馈还好，Qwen4-Max-Preview 显然被低估了： 本文让 Qwen4-Max-Preview 干点更真实的工作 但我 Qoder 19.9 的套餐，额度不够用，这就必须掏出我最高档 Token Plan 了，话说我定的时候是 499 啊？现在只要 312 了？！ 本文我把 Qwen4-Max-Preview 接入到 Claude Code 完成测试，顺嘴提一句，Magpie 真是 YYDS 为什么做这个 后台我被问得最多的一个问题：本地部署 xx 大模型，我的 xx 配置电脑行不行？ 网上的评测要么是厂商送测，要么是理论算力表，真掏钱买了机器、跑了之后不理想，悔之晚矣 前些天 Karpathy 用 Hugging Face 上 Hacker News 全量数据做了个 HackerTube，我才发现这里面全是宝藏：硅谷老哥买了新机器，部署了什么大模型，很喜欢在 HN 上报数据，这种带机器、带模型、带速度的评论简直是宝藏 于是我把这件事交给了 Qwen4-Max-Preview：从 4932 万条 HN 数据里，把 2026 年所有「我用什么机器、跑什么模型、每秒多少 token、满意还是后悔」的评论扒出来，做成一个能查询的网站 先看成品 网页长这样，技术手册风格： 核心是回答三个问题： 我手头有这台机器，到底能跑多大的模型？ 我想跑某个特定模型，需要配什么档位的硬件？ Mac、N 卡、A 卡、统一内存主机，同场竞技怎么选？ 拿 4090 举例，选中硬件，它跑过哪些模型、对应几条实测、每秒多少 tok/s 一目了然，每条记录都能直接点击穿透到 HN 原始帖子核验： 第三问是我最看重的横向对比：固定同一个模型，拉平看各路硬件表现 比如大家最关心的 Qwen3.8-27B，Mac 阵营中位数 12.75 tok/s，N 卡单卡中位数 50 tok/s 在线版我放在了 GitHub Pages 上，手机电脑都能直接打开：tjxj.github⋅io/HackerRig 总账：耗时 1x 小时，Token 消耗 1.53 亿 原始数据集 12GB，光从 Hugging Face 完整拉取就花了几个小时： 为了完成从数据探索、精读抽取、清洗归一到网页构建的全流程，总耗时约 18 个小时（含等待）。上下文自动压缩 19 次，发起了 1639 次模型请求，总计消耗 1.53 亿 token： Claude Code 不知道 qwen4-max-preview 的价格，是按自己的价目表估算要 380 刀，我用 Token Plan 的 Pro 套餐，实际消耗没这么多 这 1.53 亿 token 的大头全扑在数据工程上，4,932 万条全量数据逐层过滤，最终沉淀出 647 票高精度实测基准： 大家会好奇：把千万级清洗和全栈建站全权交给大模型，它真能自己跑下来？不怕它半路跑偏把项目搞崩？ Qwen4-Max-Preview 我上一篇说过，优点是一步一个脚印，缺点是慢，慢意味着返工特别贵，所以我的思路是用规则把模型容易犯的错提前堵死，在项目根目录放一个 CLAUDE.md，这是给模型的规则： Qwen4-Max-Preview 到底怎么样 ## 要做什么 从 Hacker News 2026 年的评论里，把网友亲手跑本地大模型的实测扒出来：什么机器、跑什么模型、每秒多少 token、满意还是后悔，做成一个能查的静态网站，帮读者回答「做 AI 买 Mac 还是攒显卡」 ## 数据 - 位置：/Volumes/T7/datasets/hacker-news/data/2026/*.parquet，只读，不改不删 ## 规则 1. 一次只做一步，做完停下汇报，等我回复再往下 2. 汇报里的数字只能来自脚本的真实输出：进来多少、出去多少、丢了多少、为什么丢 3. 原文没写的填 null，不推断；任何时候都不编造示例数据 4. 中间结果落盘，脚本按步骤编号，能从头重跑 整个项目下来，清洗和工程 Python 脚本就写了 34 个，代码总量接近 4,800 行，外加一整套独立的静态网页和 Playwright 自动化测试套件 经历过这十几小时的极限实测，我感觉 Qwen4-Max-Preview 很有性格： 1. 认死理，守规矩守到敢把我的话顶回去 规矩里立了「不推断」，它执行得比我还坚决 复核投机解码时，我凭直觉怀疑有条 90 tok/s 的实测数据开了 MTP，让它改标。它回原帖核验，发现全文没提 MTP，直接搬出 CLAUDE.md 的「原文未写填 n