共计 806 个字符，预计需要花费 3 分钟才能阅读完成。
让人忍俊不禁的是阿里所推出的 Qwen Code 工具，值得注意的是，我所提到的并非 Qwen 3 Coder 模型本身。
直接使用 gemini CLI 进行修改（或许并非是对 gemini CLI 的修改，而是采用了他人已经调整好的 Gen-Cli）并将其应用到自己的 API 上，连提示词都没有变化。
尽管通过 gemini CLI 调用 DeepSeek R1 和 V3 等本身就具备相当智能的语言模型尚且可行，但若稍微降低智能水平（例如使用 gemini 2.5 flash），则完全就是浪费 token 的行为。
有趣的是，尽管 Qwen 3 Coder 在一次性编写代码方面表现出色，但其基本智能水平却相对普通，甚至可能不及 gemini 2.5 flash lite。
因此，最终的结果是，token 的浪费严重，实际上并无法完成任何实际的工作。
Qwen 3 Code 并不适合用于单一智能体框架（如 gemini CLI），而在 Kilo Code 这类高度可定制的多智能体框架中则会更加合适。
在这种框架中，OpenAI o3 负责信息检索与研究，gemini 2.5 pro 则专注于方案制定，而 Qwen 3 Coder 则承担编码任务。如此一来，整个流程显得更加顺畅。如果方案给得详细，Qwen 3 Coder 甚至会比 Claude 4 更能遵循指令。
将一个智能水平不高（几乎可以说是完全不智能）的模型放入单一智能体框架内，实在是有些不明智。
