Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com12. Juni 2026 · Q010983

I Went Looking for the Best Local LLM for Coding in 2026.

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Autor hält Qwen 3.6–27B in Q4_K_M nach Tests auf seinem MacBook für das stärkste lokale Allround-Modell für Code, weist aber auf Fehler bei Tests und die nötige Kontrolle von Änderungen hin. Für schwieriges Debugging nutzt er weiterhin Cloud-Modelle; seine Ergebnisse stammen aus drei eigenen Aufgaben auf einem Rechner.

Mittel

Der Autor testet vier lokale Programmiermodelle auf einem MacBook Pro mit 36 GB gemeinsamem Speicher. Sein Favorit ist Qwen 3.6–27B in Q4_K_M: Bei drei Aufgaben erledigte es einen mehrdateiigen Laravel-Umbau nach einem Korrekturhinweis sauber und fand einen SQL-Fehler samt Erklärung. Bei Unit-Tests blieb es zunächst jedoch bei Happy-Path-Fällen und übersah einen relevanten Zeitzonenfall.

Das schnellere Qwen-MoE-Modell sei weniger sorgfältig gewesen und habe bei einer Änderung einen Typvertrag verletzt, den es nach Vorlage der Fehlermeldung rasch reparierte. Devstral habe sich besonders in einem Edit-Test-Korrektur-Agentenablauf bewährt; Codestral bot brauchbare Autovervollständigung, litt laut Autor aber unter Latenz und schwachem dateiübergreifendem Kontext. Für größere Dateien musste er Ollamas Kontextfenster von 2.048 auf 32.768 Token erhöhen. Zudem könne der Speicherbedarf mit Kontext und anderen Apps zu deutlicher Verlangsamung führen.

Der Autor nutzt das 27B-Modell für viele Aufgaben mit Kundencode und Routinearbeit, greift bei schwierigem Debugging aber weiter auf Cloud-Modelle zurück. Seine API-Ausgaben seien um mehr als die Hälfte gesunken. Die Einschätzung stützt sich auf einen einzelnen Rechner und drei eigene Aufgaben; bei 16 GB RAM rät er ab, bei 24 GB erwartet er Einschränkungen und ab 32 GB eine praktischere Nutzung.

Ausführlich lesen

Der Autor vergleicht vier lokal ausführbare Modelle für Programmieraufgaben und kommt zu dem Schluss, dass Qwen 3.6–27B in der getesteten Konfiguration für viele Entwickler der beste Allrounder sei. Er berichtet, früher DeepSeek R1 8B nach etwa zwei Wochen wieder aufgegeben zu haben: Das Modell habe unter anderem Code verändert, obwohl es ihn erklären sollte, nicht existierende Laravel-Hilfsfunktionen erfunden und bei längeren Eingaben stark nachgelassen. Neue Modellveröffentlichungen im April hätten ihn zu einem erneuten Versuch bewegt.

Als frühere Hürde beschreibt der Autor den Zielkonflikt zwischen Größe und Geschwindigkeit: Kleine, lokal nutzbare Modelle seien für Code oft unzuverlässig gewesen, während große Modelle auf Mac-Hardware wegen der begrenzten Speicherbandbreite langsam liefen. Er führt die neuen Möglichkeiten auf zwei Qwen-Modelle zurück: Das Qwen 3.6–35B-A3B ist ein MoE-Modell mit 35 Milliarden Gesamtparametern, von denen laut Bericht pro Token 3 Milliarden aktiv sind. Das dichte Qwen 3.6–27B sei auf Code ausgerichtet und erreiche laut angeführtem SWE-bench-Verified-Wert 77,2. Zusätzlich nennt der Autor eine Messung von Simon Willison mit 25,57 Token pro Sekunde auf einem Mac. Das sind berichtete Benchmark- und Einzelmesswerte, keine Ergebnisse aus einer unabhängigen Vergleichsstudie im Text.

Der Praxistest lief auf einem MacBook Pro mit 36 GB gemeinsamem Speicher. Der Autor probierte Qwen 3.6–27B in Q4_K_M, das Qwen-MoE-Modell in Q4, Mistral Devstral Small 24B in einem Agentenablauf sowie Codestral 22B für die Autovervollständigung in VS Code. Er weist auf zwei praktische Grenzen hin: Ollamas Standard-Kontextfenster von 2.048 Token sei für größere Dateien zu klein; er erhöhte es auf 32.768. Außerdem könne ein Modell zusammen mit Kontext-Cache und weiteren Apps den verfügbaren Speicher überlasten und das System durch Auslagern verlangsamen. Für ein Modellfile empfiehlt er aus eigener Erfahrung, bei höchstens etwa zwei Dritteln des Gesamtspeichers zu bleiben.

Alle Modelle erhielten dieselben drei Aufgaben: einen Laravel-Dienst über vier Dateien hinweg umzubauen, einen Fehler in einer SQL-Abfrage zu finden und Unit-Tests zu schreiben. Qwen 3.6–27B erledigte den Umbau laut Autor nach einem Hinweis auf einen übersehenen Aufruf korrekt und fand den SQL-Fehler samt Erklärung sofort. Bei Tests lieferte es zunächst vor allem Happy-Path-Fälle und übersah einen tatsächlich relevanten Zeitzonenfall. Das MoE-Modell arbeitete schneller, war bei der mehrdateiigen Änderung aber weniger sorgfältig und brach einen Typvertrag; auf die Fehlermeldung hin korrigierte es den Fehler rasch. Devstral überzeugte im Edit-Test-Korrektur-Ablauf, während seine Leistung als gewöhnlicher Chatbot laut Autor mittelmäßig war. Codestral bot brauchbare mehrzeilige Ergänzungen, hatte aber wenig verlässlichen Überblick über andere Dateien und störende Latenz im Akkubetrieb.

Der Autor bezeichnet Qwen 3.6–27B bei Q4_K_M als seinen Favoriten, sagt jedoch ausdrücklich, dass es Cloud-Modelle bei schwierigem Debugging über falsche Annahmen in einer Codebasis nicht ersetzt. Er nutzt es für viele Aufgaben mit Kundencode und Routinegenerierung und greift bei größeren Problemen weiterhin auf eine kostenpflichtige API zurück; seine API-Ausgaben seien im Vormonat um mehr als die Hälfte gesunken, nicht auf null. Seine RAM-Einschätzung: 16 GB seien ungeeignet, bei 24 GB laufe das Modell nur mit Einschränkungen, ab 32 GB werde es nach seiner Erfahrung praxistauglicher. Die Aussagen beruhen auf einem einzelnen MacBook, einem begrenzten Modellvergleich und drei eigenen Arbeitsaufgaben; eine systematische oder breit angelegte Prüfung beschreibt der Bericht nicht.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Bewertet wurde die mittlere Zusammenfassung. Die kurze Fassung ist ebenfalls treu, lässt aber Benchmark, Geschwindigkeit und Speicherregel aus.

Im Bericht, aber nicht in der Zusammenfassung

  • Der SWE-bench-Verified-Wert von 77,2 für Qwen 3.6-27B, auf den sich die Einschätzung zum stärksten Modell stützt
  • Die Geschwindigkeitsangaben: 35 bis 55 Tokens pro Sekunde beim MoE-Modell und rund 25 Tokens pro Sekunde beim 27B-Modell laut Simon Willison
  • Die Faustregel, dass die Modelldatei unter etwa zwei Dritteln des RAM bleiben sollte
  • Die Erklärung, dass die Speicherbandbreite die Generierungsgeschwindigkeit begrenzt und Macs große Modelle zwar laden, aber nicht schnell machen

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
Unabhängig prüfen
Tempo und Grenzen
Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 49 %einzelne zitierbare Belege
    • amos 55 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 41 %einzelne zitierbare Belege
    • JEV 37 %beantwortet teilweise oder widerspricht
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt
Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 36 %einzelne zitierbare Belege
    • JEV 46 %nur am Rande erwähnt
    • amos 30 %nur am Rande erwähnt
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV 30 %gleiches Oberthema, hilft nicht
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 58 %einzelne zitierbare Belege
    • JEV 51 %einzelne zitierbare Belege
    • amos 25 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 31 %einzelne zitierbare Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →