Đánh giá chuẩn sáu chiều so sánh Qwen3.8-Flash-Next và Opus 5.5 trên tác vụ Rust
Một bài kiểm tra chuẩn có kiểm soát đã so sánh Qwen3.8-Flash-Next và Claude Opus 5.5 qua các công cụ hỗ trợ (harness) và mức độ nỗ lực khác nhau trên một tác vụ lập trình Rust thực tế liên quan đến LlamaStash. Quá trình đánh giá thực hiện 12 yêu cầu kéo (pull request) sử dụng trợ lý lập trình Claude Code và Pi, được chấm điểm bởi nhiều mô hình và hệ thống CI. Bài đánh giá cho thấy các mô hình chạy cục bộ như Qwen hoạt động trên phần cứng phổ thông có thể bám sát các mô hình độc quyền hàng đầu như Claude Opus trong các tác vụ kỹ thuật phần mềm phức tạp với chi phí API cực kỳ thấp. Điều này làm nổi bật tính khả thi ngày càng cao của các LLM chạy cục bộ đối với quy trình phát triển thực tế. Opus 5.5 đạt điểm trung bình 82%, trong khi Flash-Next đạt khoảng 66-68%, chủ yếu tụt lại ở các trường hợp biên (edge cases), tài liệu và bài kiểm tra chứ không phải ở tính năng cốt lõi. Flash-Next chạy cục bộ thông qua Halogen trên máy tính xách tay AMD Strix Halo, đạt tốc độ cạnh tranh với chi phí thực tế chỉ là tiền điện.
## KIẾN THỨC NỀN
LlamaStash là một trình quản lý thời gian chạy LLM cục bộ chạy trên terminal, được thiết kế để khởi động và giám sát các mô hình cục bộ đằng sau một điểm cuối tương thích với OpenAI. Claude Code là một trợ lý lập trình tác tử của Anthropic giúp chỉnh sửa tệp và chạy lệnh trực tiếp từ terminal hoặc IDE, trong khi Halogen là một công cụ suy luận chuyên dụng được thiết kế riêng để chạy các mô hình cụ thể trên phần cứng AMD Strix Halo.