据报道，开发者 JeecgBoot 在 Mac Studio M4Max 环境下，针对 Claude Code 对接本地大模型进行了深度实测。结果显示，通过使用社区魔改蒸馏版模型，生成速度较官方原版实现了 5~6倍 的跨越式提升。

image.png

实测核心:选对模型比调优更重要

在本次测试中，开发者弃用了体验欠佳的官方原版，转而采用社区魔改模型 gemma-4-26b-a4b-it-claude-opus-heretic-ara，取得了惊艳的数据表现:

  • 极致速度: 生成速度高达 78tok/s，相比原版的十几 token 提升显著。

  • 稀疏激活: 采用 A4B（Active4B）MoE 架构，总参数26B 但每次推理仅激活约4B 参数，实现了“小参数算力、大参数智能”。

  • 超长上下文: 支持 256K 上下文，完美兼容 Anthropic API 格式，实现零配置对接。

image.png

效能分析:Agentic 工作链是双刃剑

实测显示，尽管模型生成极快，但在执行具体任务（如生成教师表代码）时，总耗时仍需约 1.5分钟。

  • 瓶颈定位: 耗时主要集中在 Claude Code 的多步 Agentic 决策链。系统在执行前会进行多轮 Thought（思考）和 Skill 加载，导致 Prompt Token 膨胀。

  • 价值权衡: 这种多步决策对代码生成和修改类任务极具价值，能确保路径规范和逻辑闭环;但对于简单的知识问答，建议直接使用 LM Studio 对话以节省时间。

image.png

质量评估:JeecgBoot 教师表输出

在针对JeecgBoot框架的实测中，该组合展现了极高的实战水准:

  • 规范性: SQL 路径自动符合 Flyway 规范，日期生成准确。

  • 技术栈: Vue3采用 script setup + TS 写法，完全符合现代开发标准。

  • 完整性: 生成了包括 Controller、Service、Mapper 在内的全套骨架。

  • 不足: 复杂方法体仍需人工补充，关键逻辑建议进行人工复核。

战略建议:双模型“高低配”组合

基于实测数据，开发者提出了一套兼顾隐私、成本与质量的最优策略:

  1. 本地魔改模型（80% 场景）: 处理日常 CRUD 生成、代码解释及隐私敏感的内部项目，享受零成本与数据不出内网的安全性。

  2. 云端官方 API（20% 场景）: 应对复杂架构设计、核心安全模块等高难度任务，确保生产级质量。

结语:开启本地化 AI 开发新常态

随着 M4Max 等强力硬件的普及，配合 Q4_K_XL 量化 技术，本地运行高性能 Agent 已不再是科幻。QwenPaw 与 Claude Code 的本地化实践，正为企业开发者在保障数据隐私的同时，提供了前所未有的生产力工具。