【实测求助】5060 Ti 16GB + 量化Qwen 27B挑战《清明上河图》3D场景：代码能写出来，但Agent总是卡在最后一步，有人能完整跑通吗？
-
最近一直在折腾 RTX 5060 Ti 16GB 显卡上的本地 Coding Agent，主要使用量化版 Qwen 27B，配合 KVMem、NInfer 和 DeepSeek Harness。
之前测试普通代码任务，整体表现还不错，尤其是推测解码带来的速度提升，确实让16GB显存运行27B模型具有了不错的实用性。
但最近遇到一个很有意思的问题：
模型能够比较快地生成复杂的3D场景代码，却经常无法完成最终的视觉验收。尤其开启推理模式后，很容易陷入长时间的分析、验证、修改、再验证循环。
我已经用几套方案反复尝试，目前还没有拿到一份从场景生成到视觉验收都令人满意、能够顺利完成交付的结果。
想把这个任务分享出来，看看论坛里有没有朋友能用同级别硬件完成。
一、我的测试环境
项目 配置 GPU RTX 5060 Ti 16GB 系统内存 DDR5 32GB 主模型 Qwen3.8-27B GSQ-RCO IQ3_S 推理后端 NInfer KV格式 INT8 Agent DeepSeek Harness 方案一 KVMem 0.18.0 + MTP3 方案二 KVMem 0.19.1 + DFlash2 Q4_K_M 上下文 128K 最大输出目标 32K 测试方式 开启推理分别测试 其中0.18.0 MTP3方案已较稳定，0.19.1 DFlash2还在做Agent兼容性与输出能力验证。
二、测试任务：《清明上河图》虹桥市井3D场景
任务是让本地模型使用 Three.js，制作一个可以在浏览器中运行的动态3D场景。
主要包含：
- 《清明上河图》中具有代表性的虹桥，要求木构结构、弧形桥面、护栏及桥下通航空间。
- 两岸北宋风格街市，包括商铺、民居、茶馆、酒肆、摊位等。
- 河道、货船、码头及动态水面。
- 二三十个具有简单动作的市井人物。
- 春日自然光照、天空、植被和远景。
- 鼠标旋转、缩放、平移及动画控制。
整体采用精致低多边形/体素化艺术风格，不追求照片级写实。
最终要求：生成单个HTML文件，直接通过浏览器打开，能够正常显示完整场景并运行简单动画。
Three.js允许通过CDN加载，不需要其他本地工程依赖。
三、目前几套方案的实际表现
1. KVMem 0.18.0 + MTP3，无推理模式
这一套生成速度表现不错。
- Decode速度：测试记录约113 tok/s。
- 首次生成HTML：约5分48秒。
- 能够生成虹桥、建筑、人物、船只及动画等主体代码。
- 模型能够调用工具、编辑文件、进行语法检查。
但首次交付存在明显问题：
画面出现大面积发白，整体构图和视觉效果不理想。
指出问题后，模型又花费约6分50秒进行了修改，调整了水面、光照、曝光和相机。
虽然程序报告修复完成，但我没有把这次结果视为最终视觉验收成功。
2. KVMem 0.18.0 + MTP3，开启推理模式
这一套最有意思。
模型会主动检查自己的代码，也能发现一些真实问题，例如：
- 函数引用顺序错误。
- 几何结构方向不合理。
- 水面与地面遮挡关系异常。
- 浏览器运行与截图验证错误。
但执行一段时间后，开始进入反复调试。
有一次记录：
- 累计约100步。
- 已运行约54分钟。
- 平台累计Token统计约550万，缓存命中率97%。
- HTML主体其实早已生成。
- 最后一直卡在河面显示异常的诊断中。
需要说明：550万是平台累计Token用量，包含大量缓存复用，并不代表实际新生成550万Token。
模型尝试过调整材质、修改几何体、Raycast检测、截图像素分析、创建诊断脚本、检查浏览器进程等。
其中有些排查本身还引入了新的错误。
最后变成一个循环：
发现问题 → 提出假设 → 修改 → 验证 → 否定假设 → 继续修改。
结果是代码早就写出来了，任务却始终无法顺利结束。
3. KVMem 0.19.1 + DFlash2
DFlash2在部分测试中Decode可以接近100 tok/s，很有吸引力。
但此前Agent测试遇到了另一类问题：
- 单次输出曾受8192 Token限制。
- 多次长代码工具调用出现截断。
- 出现malformed_tool_call。
- 历史KV保留与Compaction后的任务恢复不够理想。
后来已经准备了32K输出的新配置，但尚未完成同条件下的完整复杂Agent验收。
因此暂时不能简单判断DFlash2比MTP3更适合或更不适合这个任务。
四、想请大家一起测试
我更希望看看：在16GB显存或接近的硬件条件下，量化27B模型能不能独立完成一个复杂的3D创意编程任务。
为了便于复现，下面提供一个简化后的统一提示词。
测试提示词
使用 Three.js 制作一个以北宋《清明上河图》虹桥市井为主题的原创动态3D场景。
整体采用精致低多边形或体素化艺术风格，画面明亮、层次清晰。
场景中央是一座横跨河流的中国传统木构虹桥，桥面呈弧形，具有交叉木梁、护栏及桥下通航空间。
河流两岸建有中式商铺、民居、茶馆、摊位、街道和码头。场景中安排约20至30名行人、商贩与船工，以及3艘具有简单动画的船只。
添加自然光照、天空、树木、河面波纹及远景环境。
支持鼠标旋转、缩放、平移，支持暂停和恢复动画。
使用原生HTML、CSS、JavaScript及Three.js完成。最终生成一个独立HTML文件，允许联网加载Three.js CDN，无需npm安装或启动本地服务器。
允许分阶段编写代码，但必须最终整合为完整HTML。
完成后必须实际运行浏览器检查，确认没有JavaScript运行异常，并验证画面中确实可以看到虹桥、河流、两岸建筑、人物和船只。
不能仅凭语法检查通过就宣布任务完成。
遇到问题时优先进行局部修复，不要无限重写整个项目。最终必须交付实际HTML文件。
五、希望大家反馈哪些结果？
不要求大家使用完全相同的量化或推理框架。
特别欢迎使用5060 Ti 16GB、4060 Ti 16GB、24GB显卡或其他接近配置的朋友尝试。
如果能够完成，希望分享：
- 显卡、内存、模型及量化版本。
- 推理框架与Agent工具。
- 是否开启Thinking。
- 大约使用多少时间和工具调用次数。
- HTML能否正常打开。
- 是否通过实际截图视觉检查。
- 有没有遇到反复调试、上下文压缩、工具调用失败等问题。
最希望能直接看到大家生成的HTML作品或运行截图。
六、我现在的一点体会
经过这几轮测试，我越来越觉得：
本地27B模型的代码生成能力，可能已经不是最主要的瓶颈。
真正影响复杂Agent任务体验的，反而是：
能不能在正确的时候停止思考、完成验证，并交付一个可用的作品。
无推理模式生成快，但可能遗漏明显问题。
开启推理后，检查意识增强，却可能陷入过度验证。
而推理框架的上下文管理、工具调用稳定性以及Agent本身的任务收敛机制，可能比单纯提高Decode速度更重要。
当然，以上只是我目前几次测试的观察，还没有完成严格的同条件A/B对照。
希望论坛里有朋友能挑战成功，尤其想看看其他量化版本、不同推理后端或者不同Agent执行器的表现。
如果大家有成功案例，欢迎贴一下参数和作品截图。也欢迎指出我的任务设计、模型配置或者执行方式有什么问题。
我也想看看，16GB显存上的量化27B，距离真正稳定完成复杂创意编程任务，到底还有多远。
-
最近一直在折腾 RTX 5060 Ti 16GB 显卡上的本地 Coding Agent，主要使用量化版 Qwen 27B，配合 KVMem、NInfer 和 DeepSeek Harness。
之前测试普通代码任务，整体表现还不错，尤其是推测解码带来的速度提升，确实让16GB显存运行27B模型具有了不错的实用性。
但最近遇到一个很有意思的问题：
模型能够比较快地生成复杂的3D场景代码，却经常无法完成最终的视觉验收。尤其开启推理模式后，很容易陷入长时间的分析、验证、修改、再验证循环。
我已经用几套方案反复尝试，目前还没有拿到一份从场景生成到视觉验收都令人满意、能够顺利完成交付的结果。
想把这个任务分享出来，看看论坛里有没有朋友能用同级别硬件完成。
一、我的测试环境
项目 配置 GPU RTX 5060 Ti 16GB 系统内存 DDR5 32GB 主模型 Qwen3.8-27B GSQ-RCO IQ3_S 推理后端 NInfer KV格式 INT8 Agent DeepSeek Harness 方案一 KVMem 0.18.0 + MTP3 方案二 KVMem 0.19.1 + DFlash2 Q4_K_M 上下文 128K 最大输出目标 32K 测试方式 开启推理分别测试 其中0.18.0 MTP3方案已较稳定，0.19.1 DFlash2还在做Agent兼容性与输出能力验证。
二、测试任务：《清明上河图》虹桥市井3D场景
任务是让本地模型使用 Three.js，制作一个可以在浏览器中运行的动态3D场景。
主要包含：
- 《清明上河图》中具有代表性的虹桥，要求木构结构、弧形桥面、护栏及桥下通航空间。
- 两岸北宋风格街市，包括商铺、民居、茶馆、酒肆、摊位等。
- 河道、货船、码头及动态水面。
- 二三十个具有简单动作的市井人物。
- 春日自然光照、天空、植被和远景。
- 鼠标旋转、缩放、平移及动画控制。
整体采用精致低多边形/体素化艺术风格，不追求照片级写实。
最终要求：生成单个HTML文件，直接通过浏览器打开，能够正常显示完整场景并运行简单动画。
Three.js允许通过CDN加载，不需要其他本地工程依赖。
三、目前几套方案的实际表现
1. KVMem 0.18.0 + MTP3，无推理模式
这一套生成速度表现不错。
- Decode速度：测试记录约113 tok/s。
- 首次生成HTML：约5分48秒。
- 能够生成虹桥、建筑、人物、船只及动画等主体代码。
- 模型能够调用工具、编辑文件、进行语法检查。
但首次交付存在明显问题：
画面出现大面积发白，整体构图和视觉效果不理想。
指出问题后，模型又花费约6分50秒进行了修改，调整了水面、光照、曝光和相机。
虽然程序报告修复完成，但我没有把这次结果视为最终视觉验收成功。
2. KVMem 0.18.0 + MTP3，开启推理模式
这一套最有意思。
模型会主动检查自己的代码，也能发现一些真实问题，例如：
- 函数引用顺序错误。
- 几何结构方向不合理。
- 水面与地面遮挡关系异常。
- 浏览器运行与截图验证错误。
但执行一段时间后，开始进入反复调试。
有一次记录：
- 累计约100步。
- 已运行约54分钟。
- 平台累计Token统计约550万，缓存命中率97%。
- HTML主体其实早已生成。
- 最后一直卡在河面显示异常的诊断中。
需要说明：550万是平台累计Token用量，包含大量缓存复用，并不代表实际新生成550万Token。
模型尝试过调整材质、修改几何体、Raycast检测、截图像素分析、创建诊断脚本、检查浏览器进程等。
其中有些排查本身还引入了新的错误。
最后变成一个循环：
发现问题 → 提出假设 → 修改 → 验证 → 否定假设 → 继续修改。
结果是代码早就写出来了，任务却始终无法顺利结束。
3. KVMem 0.19.1 + DFlash2
DFlash2在部分测试中Decode可以接近100 tok/s，很有吸引力。
但此前Agent测试遇到了另一类问题：
- 单次输出曾受8192 Token限制。
- 多次长代码工具调用出现截断。
- 出现malformed_tool_call。
- 历史KV保留与Compaction后的任务恢复不够理想。
后来已经准备了32K输出的新配置，但尚未完成同条件下的完整复杂Agent验收。
因此暂时不能简单判断DFlash2比MTP3更适合或更不适合这个任务。
四、想请大家一起测试
我更希望看看：在16GB显存或接近的硬件条件下，量化27B模型能不能独立完成一个复杂的3D创意编程任务。
为了便于复现，下面提供一个简化后的统一提示词。
测试提示词
使用 Three.js 制作一个以北宋《清明上河图》虹桥市井为主题的原创动态3D场景。
整体采用精致低多边形或体素化艺术风格，画面明亮、层次清晰。
场景中央是一座横跨河流的中国传统木构虹桥，桥面呈弧形，具有交叉木梁、护栏及桥下通航空间。
河流两岸建有中式商铺、民居、茶馆、摊位、街道和码头。场景中安排约20至30名行人、商贩与船工，以及3艘具有简单动画的船只。
添加自然光照、天空、树木、河面波纹及远景环境。
支持鼠标旋转、缩放、平移，支持暂停和恢复动画。
使用原生HTML、CSS、JavaScript及Three.js完成。最终生成一个独立HTML文件，允许联网加载Three.js CDN，无需npm安装或启动本地服务器。
允许分阶段编写代码，但必须最终整合为完整HTML。
完成后必须实际运行浏览器检查，确认没有JavaScript运行异常，并验证画面中确实可以看到虹桥、河流、两岸建筑、人物和船只。
不能仅凭语法检查通过就宣布任务完成。
遇到问题时优先进行局部修复，不要无限重写整个项目。最终必须交付实际HTML文件。
五、希望大家反馈哪些结果？
不要求大家使用完全相同的量化或推理框架。
特别欢迎使用5060 Ti 16GB、4060 Ti 16GB、24GB显卡或其他接近配置的朋友尝试。
如果能够完成，希望分享：
- 显卡、内存、模型及量化版本。
- 推理框架与Agent工具。
- 是否开启Thinking。
- 大约使用多少时间和工具调用次数。
- HTML能否正常打开。
- 是否通过实际截图视觉检查。
- 有没有遇到反复调试、上下文压缩、工具调用失败等问题。
最希望能直接看到大家生成的HTML作品或运行截图。
六、我现在的一点体会
经过这几轮测试，我越来越觉得：
本地27B模型的代码生成能力，可能已经不是最主要的瓶颈。
真正影响复杂Agent任务体验的，反而是：
能不能在正确的时候停止思考、完成验证，并交付一个可用的作品。
无推理模式生成快，但可能遗漏明显问题。
开启推理后，检查意识增强，却可能陷入过度验证。
而推理框架的上下文管理、工具调用稳定性以及Agent本身的任务收敛机制，可能比单纯提高Decode速度更重要。
当然，以上只是我目前几次测试的观察，还没有完成严格的同条件A/B对照。
希望论坛里有朋友能挑战成功，尤其想看看其他量化版本、不同推理后端或者不同Agent执行器的表现。
如果大家有成功案例，欢迎贴一下参数和作品截图。也欢迎指出我的任务设计、模型配置或者执行方式有什么问题。
我也想看看，16GB显存上的量化27B，距离真正稳定完成复杂创意编程任务，到底还有多远。
-
的确 做简单任务还可以 Qwen3.8-FLASE-NEXT GSQ-RCO IQ3_S 我用strata方案也试了 跑不通。。。 看来还是要等千问4 27b了
-
-
最近一直在折腾 RTX 5060 Ti 16GB 显卡上的本地 Coding Agent，主要使用量化版 Qwen 27B，配合 KVMem、NInfer 和 DeepSeek Harness。
之前测试普通代码任务，整体表现还不错，尤其是推测解码带来的速度提升，确实让16GB显存运行27B模型具有了不错的实用性。
但最近遇到一个很有意思的问题：
模型能够比较快地生成复杂的3D场景代码，却经常无法完成最终的视觉验收。尤其开启推理模式后，很容易陷入长时间的分析、验证、修改、再验证循环。
我已经用几套方案反复尝试，目前还没有拿到一份从场景生成到视觉验收都令人满意、能够顺利完成交付的结果。
想把这个任务分享出来，看看论坛里有没有朋友能用同级别硬件完成。
一、我的测试环境
项目 配置 GPU RTX 5060 Ti 16GB 系统内存 DDR5 32GB 主模型 Qwen3.8-27B GSQ-RCO IQ3_S 推理后端 NInfer KV格式 INT8 Agent DeepSeek Harness 方案一 KVMem 0.18.0 + MTP3 方案二 KVMem 0.19.1 + DFlash2 Q4_K_M 上下文 128K 最大输出目标 32K 测试方式 开启推理分别测试 其中0.18.0 MTP3方案已较稳定，0.19.1 DFlash2还在做Agent兼容性与输出能力验证。
二、测试任务：《清明上河图》虹桥市井3D场景
任务是让本地模型使用 Three.js，制作一个可以在浏览器中运行的动态3D场景。
主要包含：
- 《清明上河图》中具有代表性的虹桥，要求木构结构、弧形桥面、护栏及桥下通航空间。
- 两岸北宋风格街市，包括商铺、民居、茶馆、酒肆、摊位等。
- 河道、货船、码头及动态水面。
- 二三十个具有简单动作的市井人物。
- 春日自然光照、天空、植被和远景。
- 鼠标旋转、缩放、平移及动画控制。
整体采用精致低多边形/体素化艺术风格，不追求照片级写实。
最终要求：生成单个HTML文件，直接通过浏览器打开，能够正常显示完整场景并运行简单动画。
Three.js允许通过CDN加载，不需要其他本地工程依赖。
三、目前几套方案的实际表现
1. KVMem 0.18.0 + MTP3，无推理模式
这一套生成速度表现不错。
- Decode速度：测试记录约113 tok/s。
- 首次生成HTML：约5分48秒。
- 能够生成虹桥、建筑、人物、船只及动画等主体代码。
- 模型能够调用工具、编辑文件、进行语法检查。
但首次交付存在明显问题：
画面出现大面积发白，整体构图和视觉效果不理想。
指出问题后，模型又花费约6分50秒进行了修改，调整了水面、光照、曝光和相机。
虽然程序报告修复完成，但我没有把这次结果视为最终视觉验收成功。
2. KVMem 0.18.0 + MTP3，开启推理模式
这一套最有意思。
模型会主动检查自己的代码，也能发现一些真实问题，例如：
- 函数引用顺序错误。
- 几何结构方向不合理。
- 水面与地面遮挡关系异常。
- 浏览器运行与截图验证错误。
但执行一段时间后，开始进入反复调试。
有一次记录：
- 累计约100步。
- 已运行约54分钟。
- 平台累计Token统计约550万，缓存命中率97%。
- HTML主体其实早已生成。
- 最后一直卡在河面显示异常的诊断中。
需要说明：550万是平台累计Token用量，包含大量缓存复用，并不代表实际新生成550万Token。
模型尝试过调整材质、修改几何体、Raycast检测、截图像素分析、创建诊断脚本、检查浏览器进程等。
其中有些排查本身还引入了新的错误。
最后变成一个循环：
发现问题 → 提出假设 → 修改 → 验证 → 否定假设 → 继续修改。
结果是代码早就写出来了，任务却始终无法顺利结束。
3. KVMem 0.19.1 + DFlash2
DFlash2在部分测试中Decode可以接近100 tok/s，很有吸引力。
但此前Agent测试遇到了另一类问题：
- 单次输出曾受8192 Token限制。
- 多次长代码工具调用出现截断。
- 出现malformed_tool_call。
- 历史KV保留与Compaction后的任务恢复不够理想。
后来已经准备了32K输出的新配置，但尚未完成同条件下的完整复杂Agent验收。
因此暂时不能简单判断DFlash2比MTP3更适合或更不适合这个任务。
四、想请大家一起测试
我更希望看看：在16GB显存或接近的硬件条件下，量化27B模型能不能独立完成一个复杂的3D创意编程任务。
为了便于复现，下面提供一个简化后的统一提示词。
测试提示词
使用 Three.js 制作一个以北宋《清明上河图》虹桥市井为主题的原创动态3D场景。
整体采用精致低多边形或体素化艺术风格，画面明亮、层次清晰。
场景中央是一座横跨河流的中国传统木构虹桥，桥面呈弧形，具有交叉木梁、护栏及桥下通航空间。
河流两岸建有中式商铺、民居、茶馆、摊位、街道和码头。场景中安排约20至30名行人、商贩与船工，以及3艘具有简单动画的船只。
添加自然光照、天空、树木、河面波纹及远景环境。
支持鼠标旋转、缩放、平移，支持暂停和恢复动画。
使用原生HTML、CSS、JavaScript及Three.js完成。最终生成一个独立HTML文件，允许联网加载Three.js CDN，无需npm安装或启动本地服务器。
允许分阶段编写代码，但必须最终整合为完整HTML。
完成后必须实际运行浏览器检查，确认没有JavaScript运行异常，并验证画面中确实可以看到虹桥、河流、两岸建筑、人物和船只。
不能仅凭语法检查通过就宣布任务完成。
遇到问题时优先进行局部修复，不要无限重写整个项目。最终必须交付实际HTML文件。
五、希望大家反馈哪些结果？
不要求大家使用完全相同的量化或推理框架。
特别欢迎使用5060 Ti 16GB、4060 Ti 16GB、24GB显卡或其他接近配置的朋友尝试。
如果能够完成，希望分享：
- 显卡、内存、模型及量化版本。
- 推理框架与Agent工具。
- 是否开启Thinking。
- 大约使用多少时间和工具调用次数。
- HTML能否正常打开。
- 是否通过实际截图视觉检查。
- 有没有遇到反复调试、上下文压缩、工具调用失败等问题。
最希望能直接看到大家生成的HTML作品或运行截图。
六、我现在的一点体会
经过这几轮测试，我越来越觉得：
本地27B模型的代码生成能力，可能已经不是最主要的瓶颈。
真正影响复杂Agent任务体验的，反而是：
能不能在正确的时候停止思考、完成验证，并交付一个可用的作品。
无推理模式生成快，但可能遗漏明显问题。
开启推理后，检查意识增强，却可能陷入过度验证。
而推理框架的上下文管理、工具调用稳定性以及Agent本身的任务收敛机制，可能比单纯提高Decode速度更重要。
当然，以上只是我目前几次测试的观察，还没有完成严格的同条件A/B对照。
希望论坛里有朋友能挑战成功，尤其想看看其他量化版本、不同推理后端或者不同Agent执行器的表现。
如果大家有成功案例，欢迎贴一下参数和作品截图。也欢迎指出我的任务设计、模型配置或者执行方式有什么问题。
我也想看看，16GB显存上的量化27B，距离真正稳定完成复杂创意编程任务，到底还有多远。
-
我让codex重新规划了任务，可以跑通一部分，效果和在线模型差距很大。。。 没法看
-
目前16g的5060ti显卡是没有什么升级空间了，下步就考虑升级下内存 32g---64g 或者 96g
目前玩本地模型就是自娱自乐，没有生产赚钱的意思，就是当打游戏了：）
-
-
27b 其实可以干活，我都成就几个卖钱的工作了，但是这里有一个问题，27b 天生搞出来的细节不够，就是你所谓的，能够完成工作，但是最终效果就是“整体构图和视觉效果不理想”，
这种情况在纯代码的环境中其实不大明显，反正代码不是0 就是 1 ，可以行得通就好了，
然而这种不够细节的情况放在视觉上，很明显出现穿崩，最终怎样补救，不能还是不能。。。
除非你好像我这样，单一上下文使用40万字来形容该细节。。。。
-
单一上下文使用40万字来形容该细节
40万字 , 這已經進入極限玩家的境界了
-
-
-
-
最近一直在折腾 RTX 5060 Ti 16GB 显卡上的本地 Coding Agent，主要使用量化版 Qwen 27B，配合 KVMem、NInfer 和 DeepSeek Harness。
之前测试普通代码任务，整体表现还不错，尤其是推测解码带来的速度提升，确实让16GB显存运行27B模型具有了不错的实用性。
但最近遇到一个很有意思的问题：
模型能够比较快地生成复杂的3D场景代码，却经常无法完成最终的视觉验收。尤其开启推理模式后，很容易陷入长时间的分析、验证、修改、再验证循环。
我已经用几套方案反复尝试，目前还没有拿到一份从场景生成到视觉验收都令人满意、能够顺利完成交付的结果。
想把这个任务分享出来，看看论坛里有没有朋友能用同级别硬件完成。
一、我的测试环境
项目 配置 GPU RTX 5060 Ti 16GB 系统内存 DDR5 32GB 主模型 Qwen3.8-27B GSQ-RCO IQ3_S 推理后端 NInfer KV格式 INT8 Agent DeepSeek Harness 方案一 KVMem 0.18.0 + MTP3 方案二 KVMem 0.19.1 + DFlash2 Q4_K_M 上下文 128K 最大输出目标 32K 测试方式 开启推理分别测试 其中0.18.0 MTP3方案已较稳定，0.19.1 DFlash2还在做Agent兼容性与输出能力验证。
二、测试任务：《清明上河图》虹桥市井3D场景
任务是让本地模型使用 Three.js，制作一个可以在浏览器中运行的动态3D场景。
主要包含：
- 《清明上河图》中具有代表性的虹桥，要求木构结构、弧形桥面、护栏及桥下通航空间。
- 两岸北宋风格街市，包括商铺、民居、茶馆、酒肆、摊位等。
- 河道、货船、码头及动态水面。
- 二三十个具有简单动作的市井人物。
- 春日自然光照、天空、植被和远景。
- 鼠标旋转、缩放、平移及动画控制。
整体采用精致低多边形/体素化艺术风格，不追求照片级写实。
最终要求：生成单个HTML文件，直接通过浏览器打开，能够正常显示完整场景并运行简单动画。
Three.js允许通过CDN加载，不需要其他本地工程依赖。
三、目前几套方案的实际表现
1. KVMem 0.18.0 + MTP3，无推理模式
这一套生成速度表现不错。
- Decode速度：测试记录约113 tok/s。
- 首次生成HTML：约5分48秒。
- 能够生成虹桥、建筑、人物、船只及动画等主体代码。
- 模型能够调用工具、编辑文件、进行语法检查。
但首次交付存在明显问题：
画面出现大面积发白，整体构图和视觉效果不理想。
指出问题后，模型又花费约6分50秒进行了修改，调整了水面、光照、曝光和相机。
虽然程序报告修复完成，但我没有把这次结果视为最终视觉验收成功。
2. KVMem 0.18.0 + MTP3，开启推理模式
这一套最有意思。
模型会主动检查自己的代码，也能发现一些真实问题，例如：
- 函数引用顺序错误。
- 几何结构方向不合理。
- 水面与地面遮挡关系异常。
- 浏览器运行与截图验证错误。
但执行一段时间后，开始进入反复调试。
有一次记录：
- 累计约100步。
- 已运行约54分钟。
- 平台累计Token统计约550万，缓存命中率97%。
- HTML主体其实早已生成。
- 最后一直卡在河面显示异常的诊断中。
需要说明：550万是平台累计Token用量，包含大量缓存复用，并不代表实际新生成550万Token。
模型尝试过调整材质、修改几何体、Raycast检测、截图像素分析、创建诊断脚本、检查浏览器进程等。
其中有些排查本身还引入了新的错误。
最后变成一个循环：
发现问题 → 提出假设 → 修改 → 验证 → 否定假设 → 继续修改。
结果是代码早就写出来了，任务却始终无法顺利结束。
3. KVMem 0.19.1 + DFlash2
DFlash2在部分测试中Decode可以接近100 tok/s，很有吸引力。
但此前Agent测试遇到了另一类问题：
- 单次输出曾受8192 Token限制。
- 多次长代码工具调用出现截断。
- 出现malformed_tool_call。
- 历史KV保留与Compaction后的任务恢复不够理想。
后来已经准备了32K输出的新配置，但尚未完成同条件下的完整复杂Agent验收。
因此暂时不能简单判断DFlash2比MTP3更适合或更不适合这个任务。
四、想请大家一起测试
我更希望看看：在16GB显存或接近的硬件条件下，量化27B模型能不能独立完成一个复杂的3D创意编程任务。
为了便于复现，下面提供一个简化后的统一提示词。
测试提示词
使用 Three.js 制作一个以北宋《清明上河图》虹桥市井为主题的原创动态3D场景。
整体采用精致低多边形或体素化艺术风格，画面明亮、层次清晰。
场景中央是一座横跨河流的中国传统木构虹桥，桥面呈弧形，具有交叉木梁、护栏及桥下通航空间。
河流两岸建有中式商铺、民居、茶馆、摊位、街道和码头。场景中安排约20至30名行人、商贩与船工，以及3艘具有简单动画的船只。
添加自然光照、天空、树木、河面波纹及远景环境。
支持鼠标旋转、缩放、平移，支持暂停和恢复动画。
使用原生HTML、CSS、JavaScript及Three.js完成。最终生成一个独立HTML文件，允许联网加载Three.js CDN，无需npm安装或启动本地服务器。
允许分阶段编写代码，但必须最终整合为完整HTML。
完成后必须实际运行浏览器检查，确认没有JavaScript运行异常，并验证画面中确实可以看到虹桥、河流、两岸建筑、人物和船只。
不能仅凭语法检查通过就宣布任务完成。
遇到问题时优先进行局部修复，不要无限重写整个项目。最终必须交付实际HTML文件。
五、希望大家反馈哪些结果？
不要求大家使用完全相同的量化或推理框架。
特别欢迎使用5060 Ti 16GB、4060 Ti 16GB、24GB显卡或其他接近配置的朋友尝试。
如果能够完成，希望分享：
- 显卡、内存、模型及量化版本。
- 推理框架与Agent工具。
- 是否开启Thinking。
- 大约使用多少时间和工具调用次数。
- HTML能否正常打开。
- 是否通过实际截图视觉检查。
- 有没有遇到反复调试、上下文压缩、工具调用失败等问题。
最希望能直接看到大家生成的HTML作品或运行截图。
六、我现在的一点体会
经过这几轮测试，我越来越觉得：
本地27B模型的代码生成能力，可能已经不是最主要的瓶颈。
真正影响复杂Agent任务体验的，反而是：
能不能在正确的时候停止思考、完成验证，并交付一个可用的作品。
无推理模式生成快，但可能遗漏明显问题。
开启推理后，检查意识增强，却可能陷入过度验证。
而推理框架的上下文管理、工具调用稳定性以及Agent本身的任务收敛机制，可能比单纯提高Decode速度更重要。
当然，以上只是我目前几次测试的观察，还没有完成严格的同条件A/B对照。
希望论坛里有朋友能挑战成功，尤其想看看其他量化版本、不同推理后端或者不同Agent执行器的表现。
如果大家有成功案例，欢迎贴一下参数和作品截图。也欢迎指出我的任务设计、模型配置或者执行方式有什么问题。
我也想看看，16GB显存上的量化27B，距离真正稳定完成复杂创意编程任务，到底还有多远。
-
@focuser-li
Qoduck（QWEN4.0 27B ？）
hongqiao-bianhe.html
-
-
-
-
我的配置就是双3090,64核128线程CPU + 256G DDR4内存，刚下载的qwen 3.8 flash next ud 3.1 q4 k XL（262K上下文，INT8的KV缓存）,用的OMP，加一个新的AGENTS.MD，自动思考档位 .
使用 Three.js 制作一个以北宋《清明上河图》虹桥市井为主题的原创动态3D场景。 整体采用精致低多边形或体素化艺术风格，画面明亮、层次清晰。 场景中央是一座横跨河流的中国传统木构虹桥，桥面呈弧形，具有交叉木梁、护栏及桥下通航空间。 河流两岸建有中式商铺、民居、茶馆、摊位、街道和码头。场景中安排约20至30名行人、商贩与船工，以及3艘具有简单动画的船只。 添加自然光照、天空、树木、河面波纹及远景环境。 支持鼠标旋转、缩放、平移，支持暂停和恢复动画。 使用原生HTML、CSS、JavaScript及Three.js完成。 使用软件工程的方法，做出最佳效果。/goal-interview 粘贴上面的提示词，然后回答了它几个问题。答案都按它推荐的。
最后要求它指挥一个子agent（同一模型）最多迭代35次。第10分钟的时候它已经在截图了。
第22分钟的时候它收工了， 我让它改了一下船的运动方向。 第25分钟时完成了：
我没让它用单文件。目录里面那个node都21MB。
版主审定：本帖设为优秀，作者 +3 积分奖励，继续加油！