Qwen 3.8 Flash Next написала код для игры без помощи человека
Разработчик завершил проект игры, где весь программный код был написан исключительно локальной моделью Qwen 3.8 Flash Next. Инструмент справился со всеми задачами, не требуя участия более мощных нейросетей.
Для создания игры на TypeScript и Three.js автор использовал модель Qwen 3.8 Flash Next с квантованием Unsloth. В ходе работы модель не раз справлялась с отладкой, когда пользователь просил её просто вывести весь код для проверки. В 70% случаев при таком подходе нейросеть сама находила ошибки в своих логических цепочках.
Автор сравнивал разные модели и отметил, что DeepSeek v4.1 Flash работает значительно медленнее в его рабочих задачах. По его мнению, Qwen 3.8 Flash Next обеспечивает лучшее соотношение цены и качества на локальном железе. Для работы использовалась система Strix Halo с процессором Ryzen AI 395+.
Работа с ИИ требует контроля. Автор сравнивает модель с младшим разработчиком, который обладает огромным объемом знаний, но склонен искать короткие пути. Если давать слишком большие задачи за один раз, нейросеть может нарушить архитектуру или пропустить важные этапы симуляции. Чтобы избежать этого, задачи нужно разбивать на максимально конкретные и мелкие фрагменты.
Автономность возможна только в задачах с измеримым результатом. Например, для обучения внутриигрового ИИ автор использовал автоматические тесты. Модель сама выбирала лучшие контрольные точки на основе цифр, а не субъективных ощущений. Это позволило автоматизировать процесс обучения без участия человека.
Вместо рутины теперь можно делегировать модели написание инструментов для проверки её же работы. Это значит, что вы можете собрать готовый продукт на локальном ПК, если будете выступать в роли контролёра, а не простого заказчика.
· обновлено, версия 2
Источники · 2
Текст подготовила языковая модель по материалам источников.
