В открытом доступе есть две заметные модели, которые можно запускать вне обычного облачного чата: Qwen3-Coder-Next и gpt-oss-20b. На странице каталога они выглядят соседями, но задуманы для разных стартовых сценариев. Qwen делает акцент на работе программирующего агента, а gpt-oss-20b — на более универсальных локальных задачах, рассуждении и использовании инструментов.

Самая заметная цифра способна запутать. У Qwen указано около 79,7 млрд параметров, у gpt-oss-20b — около 20,9 млрд. Разница почти в 3,8 раза, однако это не готовый ответ на вопрос «какая модель быстрее». Обе используют подход, при котором на один запрос включается только часть модели: примерно 3 млрд активных параметров у Qwen и 3,6 млрд у gpt-oss-20b.

Главное за минуту

  • Если вам нужен локальный помощник, который должен разбираться в большом проекте, вызывать инструменты и выполнять цепочки действий с кодом, логичнее начинать знакомство с Qwen3-Coder-Next.
  • Если нужен более универсальный локальный ИИ для экспериментов, рассуждений и агентных сценариев на доступном компьютере, gpt-oss-20b выглядит более понятной первой точкой.
  • Обе модели опубликованы с Apache 2.0 и на момент проверки доступны без закрытого запроса доступа.
  • Сравнивать их только по общему числу параметров — всё равно что выбирать мастерскую по площади склада. Важно, какие инструменты реально работают в нужном вам процессе.
Сравнение общего и активного числа параметров Qwen3-Coder-Next и gpt-oss-20b
Большая цифра в названии описывает весь объём модели, но при каждом запросе работает лишь часть параметров.

В чём идея Qwen3-Coder-Next

Qwen3-Coder-Next позиционируется как открытая модель для программирующих агентов и локальной разработки. Такой агент не просто дописывает одну строку: он может читать структуру проекта, работать с инструментами и возвращаться к задаче после ошибки. Именно поэтому в описании модели важен контекст до 262 144 токенов — большой проект или длинная история работы не помещаются в короткое окно целиком.

Но длинный контекст не означает, что любой домашний компьютер автоматически справится с максимальным режимом. В официальной инструкции разработчики сами советуют уменьшить окно, если при запуске не хватает памяти. Для первого теста разумнее взять короткую реальную задачу: попросить модель разобраться в небольшом репозитории, исправить ошибку с тестом и объяснить изменение. Так польза становится видна быстрее, чем в синтетическом разговоре «напиши функцию сортировки».

Для чего удобнее gpt-oss-20b

gpt-oss-20b — меньшая из двух открытых моделей OpenAI. Производитель описывает её как вариант для локальных и специализированных сценариев, где важны рассуждение, вызов функций и работа с инструментами. Для версии в штатной MXFP4-квантизации заявлен запуск в пределах 16 ГБ памяти. Это не обещание одинаковой скорости на любом устройстве, зато это уже понятный ориентир для первой проверки оборудования.

Контекст модели составляет 131 072 токенов. Для большинства бытовых экспериментов это всё равно большой запас: можно передать длинный документ, историю диалога или набор инструкций. При этом модель требует корректного формата общения Harmony. Если приложение его не поддерживает, даже хороший запрос может дать странный результат — проблема будет не в «интеллекте» модели, а в способе подключения.

Что понадобится для локального запуска

До скачивания десятков гигабайт стоит проверить четыре вещи: объём оперативной или видеопамяти, формат весов, программу запуска и длину контекста. Название модели отвечает только на часть этих вопросов. Один и тот же ИИ может существовать в нескольких вариантах квантизации, а выбранное приложение добавит собственные требования.

Разработчик сравнивает компактный компьютер и более мощную рабочую станцию
Локальная модель начинается не с рейтинга, а с честного ответа на вопрос, какое оборудование у вас уже есть. Иллюстрация: Нейронки Pro.

Для простого эксперимента полезнее не собирать идеальный сервер, а заранее определить маленькую проверяемую задачу. Например: обработать один файл, найти причину падающего теста или превратить заметки в структурированный план. Затем замерить три вещи — качество ответа, время и объём занятой памяти. Такой домашний тест скажет о выборе больше, чем соседние позиции в случайном рейтинге.

Как выбрать без гадания

Начните с Qwen3-Coder-Next, если центральная задача — работа агента с кодовой базой и инструментами, а оборудование допускает эксперимент с крупными весами. Начните с gpt-oss-20b, если вам нужен более компактный универсальный полигон и особенно важен заявленный ориентир в 16 ГБ памяти.

Это не финальный рейтинг качества. У моделей разное назначение, а цифры из разных испытаний нельзя честно складывать в одну таблицу без одинакового оборудования и набора задач. Хороший выбор здесь — не модель с самым большим числом, а та, которая решила ваш контрольный пример приемлемо быстро и не заставила перестраивать весь компьютер. Такой подход экономит время и защищает от дорогой покупки ради одной красивой цифры.

Источники