Qwen-3.6-27B-q8_k_xl + VSCode + RTX 6000 Pro 를 일용기로 사용 중입니다

2026 년 대 토큰 재평가 (Great Token Reconning) 에 대한 응답으로, 저는 Qwen 3.6 을 일용기 (daily driver) 로 사용해 보기로 결정했습니다. 아직 하루 정도만 지났지만, 솔직히 말해 매우 인상적입니다.

VSCode insiders 에디션 을 다운로드하고 로컬 모델을 설정해야 했습니다 - 정말 쉽습니다. 그런 다음 앱을 개발하는 동안 데이터 마이닝과 웹 스크래핑을 많이 수행하는 작업을 진행하면서 Gemma 4 와 Qwen 3.6 (LM Studio 로 제공) 을 테스트해 보았습니다.

두 모델의 모든 버전과 다양한 양자화 (quant) 설정을 시도한 결과, 명확한 승자가 있습니다: Unsloth 의 Qwen-3.6-27B-q8_k_xl 입니다.

저는 정말로 매우 인상적입니다! 토큰 생성 속도가 다소 느릴 수 있지만, 사실 저는 Github Copilot 호스팅 모델을 사용했을 때도 긴 지연 시간을 경험했습니다. 전반적인 속도 면에서는 비슷했고, 아마도 호스팅된 모델보다 약간 느렸을 것입니다. 하지만 놀라운 점은 적절한 도구 호출 (tool calling) 을 통해 이 작은 밀집 모델 (dense model) 이 스스로를 잘 처리한다는 점입니다.

명확히 말하자면, 저는 이것이 Opus 4.6 처럼 기능 수준에서 작동할 것이라고 생각하지 않습니다. "이 기능을 구현해 줘"라고만 하면 되는 것이 아닙니다 - 아마도 바이브 코더 (vibe coders) 와 비코더들은 이 모델로 생존하기 어려울 것입니다. 코드 품질과 접근 방식을 개선하기 위해 몇 번은 제가 방향을 잡아야 했지만, 기능적으로는 완벽하게 수행했습니다.

먼저 계획 (Plan) 라운드를 하고 모든 세부 사항을 철저히 다듬으면, 문제를 없이 구현할 수 있습니다. 시스템 아키텍처에 대한 적절한 이해가 있다면 이는 로컬 모델로서 "충분히 좋은" 상태를 완벽하게 충족합니다. 저는 오늘 하루 종일 작업을 진행하며 단 하나의 API 토큰도 사용하지 않았습니다.

이제 또 다른 RTX 6000 이 필요해서 에이전트들과 컴퓨팅 자원을 두고 싸우지 않아도 될 것 같습니다 😝