个人家用本地AI组合已经初具生产力

2026-08 家用本地AI组合推荐 显卡机：3090 * 2 或 4090 *2 或 4090-mod-48G 或 5090 运行 qwen-3.8-27B 共享内存机：DGX spark * 2 运行 DeepSeek-V4-Flash-0731 agent： Pi / deepseek harness 云端补充： zcode + glm-5.3 - 处理日常办公杂事类。（强力党可以尝试部署 glm-5.3） codex + gpt-5.6-sol - 处理大型编程 --- 结合最近的一些产品， 我认为 个人AI，已经初具生产力了。首先是，跑分追上 opus-4.6 的 qwen-3.8-27B， 现在生态十分繁荣，搞量化的，搞投机解码加速的，搞去审查的，一个赛一个牛，推陈出新，你快，我更快。

搞评测的，也给出了很多demo，前端开发和opus-4.6级别相近。部署：3090 起 接着是，DeepSeek-V4-Flash-0731 ，半个月前的惊艳之作，小巧的参数量，带来高速的吞吐速度，性能超过上一个版本的pro，在老实听话干活的agent低要求生产领域是一个杰作。部署：首选 DGX spark * 2 再来是，glm-5.3，和前代同一个底座，后训练，又推进了一大截。

思维和逻辑能力非常舒适。部署：本地党难度较大，考虑优先云端 api --- 结合两篇论文实验： 一、Faraday 。Inherent Labs 使用经过 long-horizon RL 训练的 qwen-3.6-27B 参数 AI Scientist，并让它把 GPT-5.5 Codex 作为工具使用。

在任务跑分上超过了 gpt 和 claude 作为主脑工作。二、《AI4AI at Test-Time》。强模型充当 builder model，自动修改 Harness，以 test-time scaffolding 的方式增强弱模型。

三、deepseek harness。--- 那么上述 model 和 agent 方法组合起来。以后家用AI中心， 一套显卡机，运行dense模型， qwen-3.8-27B 作为主脑。

一套共享内存主机，运行moe模型，DeepSeek-V4-Flash-0731 充当执行者。deepseek harness /pi 充当外壳， 然后运用论文的方法，将大型任务给拆解掉， dense 模型规划， moe 模型执行。dense模型建造harness，提高moe模型的任务水平。

--- 当然也不是所有事情都可以本地一套干完的， 云端服务的低廉实惠也是一个不可忽视的因素。在知识广度上和任务的廉价性上，还可以进行补充， 首先，性能最好的claude系排除，在封号、安全围栏、水印、降智、api限流的情况，作为生产力，只算做备份和备选。其次，低端任务，不涉及隐私的，产品体验和易用性上，国内用户zcode+glm-5.3 够用了。

最后， 高端任务，codex+gpt-5.6-sol也是十分给力的， 最近一个月从几百万涨到 1500万用户量，也是大家用脚投票。而codex 和 zcode 的界面几乎相同，在使用手感上，像是一个系列的，也算是学习迁移成本微乎其微了。