Qwen 3.6 27B Fable Fusion 711 tested vs Base Qwen 27B - 16GB Local LLM setup
三句話摘要
對比測試開源模型 Fable Fusion 7-1-1 與 Qwen 3.6 27B 在性能、記憶、編碼與 MCP 工具集成上的差異與各自優勢。 Fable Fusion 7-1-1 在基礎性能與記憶上與 Qwen 相當，但在創意任務與 MCP 工具集成中展現更好的適應性，兩者各具場景優勢，選擇應依據工作類型而定。 性能基礎相同，差異在應用層
重點整理
重點- 1
性能基礎相同，差異在應用層
- 2
Fable Fusion 與 Qwen 在預填充與解碼速度上完全相近（預填充 66-67 token/s、解碼 4.2-4.6 token/s），兩者都在測試系統上表現緩慢，但差異主要體現在應用層的適應性與輸出品質，而非原始推理能力。
- 3
長上下文記憶測試反映輸出品質差異
- 4
兩模型在 256K 上下文中均達成 100% 的資料尋找成功率，但 Fable Fusion 的回應格式更整潔一致，而 Qwen 有時將關鍵資訊埋沒於冗長雜亂的輸出中，顯示兩者的思維清晰度存在差異。
- 5
編碼任務呈現明顯的速度與穩定性權衡
- 6
Qwen 在 Kanban 應用、物理模擬與地牢演算法上更快更穩定，功能完整度較高；Fable Fusion 用時更長，需要更多修正迴圈，但在複雜編碼推理上效率更高（OpenAI Human Eval 通過率 73% vs 62%）。
- 7
Fable Fusion 在創意與工具集成中明顯領先
- 8
Blender 建模中 Fable Fusion 生成的資產視覺品質更精緻；Godot 遊戲開發中成功實現完整可玩遊戲（移動、跳躍、衝刺機制），而 Qwen 版本出現控制綁定失效，無法正常互動。
實用技巧與重點
乾貨- 測試配置：
- 模型：Qwen 3.6 27B、Fable Fusion 7-1-1（4-bit IQ4_NL GGUF）
- 硬體：16GB VRAM + 32GB 系統記憶體
- 執行環境：llama.cpp
- 性能數據：
- 預填充速度：32K 上下文時 66.3-67.6 token/s
- 解碼速度：4.2-4.6 token/s
- 長上下文：256K 內存注入深度測試（0-100% 深度，各 3 次，共 15 次運行）
- 代理任務測試結果：
- Agency Benchmark：兩模型 98% 通過率，各失敗 1 題（currency conversion，未按指令調用工具）
- OpenAI Human Eval（164 編碼題）：Fable Fusion 73%、Qwen 62%；Fable Fusion 無法回答 34 題、Qwen 54 題
- 編碼任務結果：
- Kanban 應用：Qwen 優（功能完整，狀態管理修復後穩定）；Fable Fusion 需多次修復，拖拽最終失效
- 沙粒物理：Qwen 優（30-60fps 流暢）；Fable Fusion 幀率低（20-30fps）且液體物理有缺陷
- 地牢爬蟲：Qwen 用時 45%、Fable Fusion 34%，品質相當
- MCP 與 3D 工具：
- Blender 建模：Fable Fusion 資產更精緻
- Godot 平台遊戲：Fable Fusion 實現完整可玩遊戲；Qwen 控制無法運作
- 外部資源：
- GitHub 連結：所有提示語、測試程式碼、模型配置已上傳
- 贊助商：Flute MCP（支援本地開源模型或付費 API，零成本選項）
結論
結論“Fable Fusion 7-1-1 在基礎性能與記憶上與 Qwen 相當，但在創意任務與 MCP 工具集成中展現更好的適應性，兩者各具場景優勢，選擇應依據工作類型而定。”
完整解析
詳細Luke 這場測評對比了兩個 27B 參數開源模型在相同硬體上的表現。系統配置為 16GB VRAM 與 32GB 系統記憶體，執行環境採用 llama.cpp 的 4-bit 量化版本。
基礎性能層面，兩模型幾乎不分軒輊。預填充速度（模型讀取上下文的速度）在小規模提示時都是 88 token/s，隨著上下文增長至 32K 時降至 66-67 token/s；解碼速度（生成新 token 的速度）更是接近一致，都在 4.2-4.6 token/s 之間。這表明在純推理速度上兩模型差異有限，主要區別來自於應用層的適應性與思維清晰度。
長上下文記憶測試反映了兩模型在處理 256K 上下文時的穩定性。Luke 將資料注入到上下文的不同深度（0%-100%），讓模型找出隱藏的資訊。兩模型都達成了 100% 的成功率，顯示均有優秀的上下文追蹤能力。然而，輸出品質呈現差異——Fable Fusion 的回應格式整潔一致，而 Qwen 有時會將關鍵資訊混雜於冗長的輸出中。在代理任務測試中，兩模型都達成 98% 的通過率，唯一失敗點是 currency conversion 題目，都選擇自行計算而非調用官方工具。
OpenAI Human Eval 測試涵蓋 164 道編碼題，Fable Fusion 表現略勝，通過率達 73%，相比 Qwen 的 62%。關鍵區別在於 Qwen 無法回答 54 道題目，而 Fable Fusion 只有 34 道，顯示 Fable Fusion 在複雜推理上的「思維預算」消耗更有效率。
編碼實戰中出現明顯分化。Kanban 應用（前端開發）測試中，Qwen 交付的功能更完整，儘管需要修復；Fable Fusion 的實現雖視覺精美但功能缺陷更多。沙粒物理模擬展現類似的模式——Qwen 性能更流暢（30-60fps），Fable Fusion 幀率下跌（20-30fps）且液體物理有缺陷。地牢爬蟲遊戲則顯示 Qwen 用時較長（45% 上下文），但實現品質相當。
MCP 工具集成則是 Fable Fusion 的強項。Blender 資產建模中，Fable Fusion 生成的大理石與門框視覺品質更精緻。更顯著的是 Godot 遊戲開發——簡化的 3D 平台遊戲中，Fable Fusion 成功實現完整可玩遊戲（包含移動、跳躍、衝刺機制），而 Qwen 版本出現控制綁定問題導致無法移動。雖然 Fable Fusion 耗時頗長，但最終交付的玩法更完整。整體而言，兩模型適用於不同場景：純粹的網頁開發與演算法任務上 Qwen 更快更穩定；涉及創意設計、3D 建模或 MCP 工具鏈的工作則 Fable Fusion 優勢更明顯。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
