楼主用自制测试框架对比两款同量化大模型，通义千问在编码调试、代理能力、推理速度、token效率上全面占优，仅图转文耗时更多但准确率更高。网友讨论观点不一，有人认可结果，有人指出不同场景表现有差异，也有人分享了配置、量化相关的经验。