Разработчик заменил Claude Code локальными Qwen и DeepSeek: цикл вырос в 3–4 раза

Когда у вас отбирают любимый инструмент, остаётся два пути: искать облачную замену или проверить, на что способны модели, которые крутятся у вас под столом. Автор этой истории после третьей блокировки аккаунта Claude Code выбрал второй. Он не стал отдавать паспортные данные на верификацию и перешёл на локальные китайские модели с открытыми весами. Ниже разбираем, что у него получилось и что из этого можно взять себе.

Что за стенд и как он устроен

Железо выделил работодатель, компания, которая сдаёт в аренду NVIDIA DGX Spark. Qwen 3.8 Flash Next работает на одном Spark с контекстом 256K. DeepSeek-V4.1-Flash-1017 запущен в EXL3-квантизации на двух Spark с контекстом 512K. Движок в обоих случаях TensorFold.

Развёртывание DeepSeek автор поручил самому Qwen. Модель на соседнем Spark разведала машины, собрала требования и написала Ansible-плейбуки. Ушёл примерно рабочий день, а DeepSeek запустился с первой попытки. Для самого Qwen это неплохая проверка: он автономно решил инфраструктурную задачу.

Как обвязку (harness) автор использует минималистичный Pi в WSL, а для удобства сделал плагин для PhpStorm. Контекст основной сессии экономят субагенты. Задачи реальные: PHP на Symfony, Go и Kubernetes.

Цифры: быстро генерируют, медленно читают

Автор написал свой бенчмарк: по 10 замеров на контекстах от 2K до 128K, уникальные промпты со случайной солью, так что кэш префикса не помогает. Получилось следующее.

• Qwen на одном Spark выдаёт 70–80 ток/с. DeepSeek на двух выдаёт 99–109 ток/с.
• В пересчёте на один Spark картина обратная: 70–80 ток/с у Qwen против 49–55 у DeepSeek. Удвоение железа даёт прирост всего в 1,36–1,5 раза.
• Prefill у Qwen 2,3–2,5 тыс. ток/с, у DeepSeek 1,7–2,3 тыс. ток/с.

Отсюда первое время до токена на 128K: 57 секунд у Qwen и 73 секунды у DeepSeek, хотя генерирует он быстрее. На 32K это 13–21 секунда, на 64K 27–36 секунд. Выбросы тоже бывают: у DeepSeek встречались запросы с TTFT 4,8 с на 2K и 10,2 с на 8K.

Важная оговорка: это холодный разбор полного промпта. В агентском цикле контекст растёт понемногу, префикс лежит в кэше, и реальные задержки заметно ниже.

Рабочий процесс на двух моделях

Главная находка автора не про скорость, а про процесс. Для крупной задачи обе модели пишут планы по отдельности, затем каждая читает план «коллеги» и решает, какой взять за основу. В большинстве случаев мнения совпадали: брали план DeepSeek, и лишь однажды обе выбрали план Qwen.

Потом идёт имплементация. В простом варианте её делает DeepSeek с субагентами и отдельным коммитом на каждый шаг, а автор параллельно ревьюит коммиты и копит замечания. Затем следуют ревью в свежем контексте силами DeepSeek и ещё раз силами Qwen. В сложном варианте две модели работают параллельно в разных worktree, и автор выбирает лучшее решение. Тесты устроены так же: два плана e2e скрещиваются, модели по очереди прогоняют их и чинят баги, дальше обязательная ручная проверка, стейдж и релиз.

Ограничения и вывод

Цена такой свободы высока. По предварительной оценке автора, цикл разработки стал в 3–4 раза длиннее, чем с Claude Code. Часть этого он списывает на непривычку и дублирование работы на двух моделях и планирует остановиться на одной. По ощущениям, DeepSeek примерно на 20% умнее и внимательнее Qwen, но требует два Spark. Это оценка одного человека без формальной проверки качества, так что стоит относиться к ней как к субъективной.

Побочный тест тоже показателен. DeepSeek за час настроил запуск Hogwarts Legacy в VR: нашёл инжектор, скачал профили и написал скрипт с инструкцией. Когда с первого раза не взлетело, ещё за полчаса сам диагностировал проблему. Автор уверен, что Opus 5.5 справился бы в разы быстрее, но для многих задач уровня открытых моделей уже хватает.

Практический вывод для команд: локальный стек подходит как страховка от блокировок и вариант для закрытого контура, где код нельзя отправлять в облако. Но закладывайте время на ожидание prefill, на настройку процесса и на железо. Если у вас один Spark, берите Qwen, если два, пробуйте DeepSeek. Дальше автор собирается проверить GLM 5.3 Flash на двух Spark.