深度分析
本地 Gemma-4-26b 與 Qwen-3.6-35b 代理式 PR/Issue 分類實作與效能評估
2026 年因 Anthropic 收回 Claude Fable 5，開發者開始重視本地模型。文章說明以 Gemma‑4‑26b‑a4b 與 Qwen‑3.6‑35b‑a3b 結合 Pi 代理框架，實現即時 PR／Issue 分類，達到高精度且免除雲端費用。結果顯示本地模型在速度與成本上優於雲端方案，預示未來開源 AI 會更普及。
Gemma
深度分析
本地模型結合 Agent Harness 實現 OpenClaw PR/Issue 即時三分類：Gemma‑4‑26b‑a4b 與 Qwen‑3.6‑35b‑a3b 表現分析
2026年關閉模型被撤下，促使開發者自建本地AI。作者利用Gemma與Qwen於OpenClaw進行問題與PR分類，透過Piagent與受限reposhell取得即時、低成本通知，模型在330筆測試中達0.8以上F1，且每秒產出百餘token，證明即時分類可行。
Unsloth Studio
Unsloth Studio：本地化開源模型的視覺化訓練與推理工作台
Unsloth為開源專案，提供本地化的模型運行與訓練網頁介面。平台支援文字、語音、嵌入與視覺微調，能搭配Gemma與Qwen類開源模型。安裝提供跨平台腳本與社群連結，降低自架與測試門檻，促進離線部署。有助研究者在本機或私有伺服器上驗證模型行為與資料掌控。
深度分析
行動端 SLM 整合實務：從 Gemma/Qwen 到 LiteRT-LM 的失敗類型與緩解策略
本文改寫自一篇實務案例研究，作者在五天、204 次提交記錄中，將 Gemma 與 Qwen3 等小型語言模型嵌入 Android 遊戲，系統化紀錄了五類典型失敗（格式違規、約束違反、語境退化、延遲不符、模型選取不穩定）及對應緩解策略。