English(EN) Qwen3.8 vs Ornith 1.5 on a Mac: speed and code review

Qwen3.8-27B 在 Mac 速度测试中落后于 Ornith 1.5

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-12 16:09

最近在 Mac Studio M4 Max 上进行的一项比较评估了 Qwen3.8-27B 和 Ornith 1.5 模型的性能。Ornith 1.5 模型在首个 token 生成速度上明显更快，对于一个 800 token 的提示，其耗时为 0.49 秒，而 Qwen3.8-27B 耗时为 3.46 秒。虽然 Qwen3.8-27B 的输出速度达到了 55 tokens/秒，但 Ornith 1.5 的速度更快，为 90 tokens/秒。在代码审查测试中，当禁用推理时，两个模型的表现相似，但当启用推理时，Qwen3.8-27B 表现不佳，识别出的正确 bug 更少，并且经常超出输出限制。 AI

影响突出了本地 LLM 推理的性能差异，影响用户在 Mac 上进行 AI 任务的选择。

排序理由在特定本地硬件上使用特定工具对两个特定 LLM 进行比较。

在 dev.to — LLM tag 阅读 →

产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 28 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 在特定本地硬件上使用特定工具对两个特定 LLM 进行比较。
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

dev.to — LLM tag TIER_1 English(EN) · Javier Rodeiro Rodríguez · 2026-10-12 16:09

Qwen3.8 对比 Ornith 1.5 在 Mac 上的速度与代码审查

<p>On a Mac Studio M4 Max with 64 GB, Qwen3.8-27B with MTP does not replace the 35B mixture-of-experts model I already run. Measured on 12 October 2026 under oMLX 0.7.0, Qwen generated 55 tokens per second against 90, and took 3.46 seconds to produce its first token on an 800-tok…

本文如何被排名

报道来源 [1]

Qwen3.8 对比 Ornith 1.5 在 Mac 上的速度与代码审查

相关实体

相关话题