Claude Code на локальной модели: форк, который работает наравне с Cursor

Введение

Claude Code — это официальный CLI-инструмент от Anthropic, представляющий собой AI-ассистента для разработки прямо в терминале. Но что если запустить его не на облачных моделях Anthropic, а на локальной открытой модели? Именно это и делает форк claude-code-local-runner — адаптация, которая позволяет работать с Claude Code на локальных LLM через LM Studio и другие провайдеры.

В этой статье мы разберём архитектуру проекта, ключевые возможности и покажем, как локальная модель Qwopus3.6-27B-Coder-MTP позволяет использовать этот форк наравне с коммерческими редакторами вроде Cursor.

Что такое Claude Code

Claude Code — это AI-инструмент для разработки, работающий в терминале. Он предоставляет интерактивный REPL (Read-Eval-Print Loop), в котором разработчик может общаться с AI на естественном языке, а AI — выполнять реальные действия: читать и писать файлы, запускать команды, искать по коду, управлять задачами и даже порождать под-агентов.

Официальная версия работает через API Anthropic (модели Claude). Форк claude-code-local-runner расширяет эту архитектуру, добавляя поддержку локальных моделей через OpenAI-compatible API — в первую очередь LM Studio.

Архитектура проекта

Проект написан на TypeScript и использует Bun в качестве рантайма. Точка входа — main.tsx, который инициализирует приложение и запускает REPL-цикл.

Система инструментов

Сердце Claude Code — это система инструментов в директории /tools. На данный момент проект включает более 40 инструментов:

Каждый инструмент имеет схему JSON Schema и реализацию, что позволяет AI-модели корректно вызывать их с правильными параметрами.

Мульти-агентная оркестрация

Одна из самых мощных возможностей — система мульти-агентной оркестрации в директории /coordinator. При включении через переменную CLAUDE_CODE_COORDINATOR_MODE=1 Claude Code переходит из режима одиночного агента в режим координатора, управляющего несколькими рабочими агентами.

Процесс проходит через четыре фазы:

1. Research — параллельные рабочие агенты исследуют кодовую базу

2. Synthesis — координатор синтезирует результаты

3. Implementation — рабочие агенты реализуют изменения

4. Verification — проверка корректности изменений

Агенты общаются через XML-сообщения <task-notification> и используют общую директорию scratchpad для обмена знаниями.

Система памяти и снов

Директория /services/autoDream содержит фоновый движок консолидации памяти. Это система, которая работает как отдельный под-агент и периодически:

1. Ориентируется — понимает текущее состояние проекта

2. Собирает сигнал — анализирует недавние изменения

3. Консолидирует — создаёт устойчивые записи памяти

4. Прune и индексирует — удаляет устаревшую информацию

Результат сохраняется в /memory как MEMORY.md и тематические файлы, что ускоряет работу в будущих сессиях.

Флаги функций

Проект использует систему compile-time флагов через Bun's feature() функцию, которая позволяет удалять неиспользуемый код на этапе сборки. Ключевые флаги:

• PROACTIVE / KAIROS — режим постоянного проактивного ассистента

• COORDINATOR_MODE — мульти-агентная оркестрация

• BUDDY — компаньон-питомец в стиле тамагочи

• TRANSCRIPT_CLASSIFIER — классификация транскриптов

• VOICE_MODE — голосовой режим

• WORKFLOW_SCRIPTS — скрипты рабочих процессов

Система разрешений

Безопасность реализована через систему разрешений с классификацией рисков (LOW / MEDIUM / HIGH) и ML-классификатором YOLO для автоматической оценки безопасности действий.

Qwopus3.6-27B-Coder-MTP: локальная модель для агентов

Теперь перейдём к модели, на которой работает этот форк — Qwopus3.6-27B-Coder-MTP-GGUF от Jackrong.

Что это за модель

Qwopus3.6-27B-Coder — это reasoning-enhanced модель, дообученная на базе Qwopus3.6-27B-v2, которая в свою очередь построена на Qwen3.6-27B. Модель специализируется на:

• Агентной генерации кода

• Структурированном вызове инструментов (tool calling)

• Дебаггинге

• Следовании инструкциям в рабочих процессах разработчика

Архитектура обучения

Обучение проходило в три этапа с использованием curriculum learning:

• Фаза 1: Format Inception — обучение на коротких контекстах (до 4096 токенов) для формирования стабильного формата

• Фаза 2: Agent/Coding Expansion — расширение на 4096–8192 токенов с tool traces и задачами кодирования

• Фаза 3: Long-Context SFT — работа с длинными контекстами (8192–32K токенов) для многошаговых диалогов и replay

Мультитокенное предсказание (MTP)

Ключевая особенность версии MTP — Multi-Token Prediction. Вместо генерации одного токена за шаг, модель предсказывает несколько токенов одновременно. Это не отдельная модель для speculative decoding — draft-головы встроены в тот же GGUF.

Результаты на RTX 4090 впечатляют:

При этом качество вывода остаётся идентичным — верификатор гарантирует одинаковый результат с greedy decoding.

Результаты бенчмарков

Базовая модель Qwopus3.6-27B-v2 показала:

• 87.43% на MMLU-Pro

• 75.25% на SWE-bench Verified

Версия Coder в режиме без thinking на полном SWE-bench Verified (500 задач) решила 335/500 = 67.0% в формате Q5_K_M GGUF.

Размер и квантование

Модель доступна в формате GGUF с различными уровнями квантования. Q6_K обеспечивает отличное качество при умеренных требованиях к памяти, что делает её подходящей для работы на потребительском оборудовании с одной GPU.

Почему это работает наравне с Cursor

Cursor — это коммерческий редактор кода с встроенным AI, который использует API Anthropic, OpenAI и Google. Он удобен, но платный и зависим от облачных сервисов.

Форк Claude Code на локальной модели предлагает альтернативу, которая в реальной работе не уступает:

Преимущества локального подхода

1. Полная приватность — код не покидает локальную машину. Это критично для коммерческих проектов, где NDA и политика безопасности запрещают передачу кода в облако.

2. Отсутствие ограничений по токенам — нет rate-limits, нет дневных лимитов, нет необходимости ждать очереди.

3. Стоимость — после разовых затрат на GPU модель работает бесплатно. Cursor стоит от $20/месяц, Claude Code от Anthropic — от $20/месяц за Pro-подписку.

4. Работа без интернета — полная автономность. Можно работать в самолёте, в поезде, в месте без связи.

5. 40+ инструментов — Claude Code с его системой инструментов (bash, файловые операции, поиск, веб, агенты) не уступает по функциональности встроенному AI в Cursor.

6. Мульти-агентная оркестрация — возможность параллельно запускать несколько агентов для исследования кодовой базы — это функция, которой нет в Cursor.

7. Система памяти — автоконсолидация знаний о проекте между сессиями через autoDream.

Честная оценка

Конечно, есть и различия:

• Скорость — даже с MTP локальная модель медленнее облачного API. На RTX 4090 скорость ~87 tok/s против мгновенного ответа от Anthropic API.

• Качество — Qwopus3.6-27B Coder на SWE-bench (67%) уступает Claude Opus (80%+), но для большинства задач разница незаметна.

• UI — Cursor предоставляет графический интерфейс, Claude Code работает в терминале.

Но для ежедневной разработки на средних проектах разница минимальна. В реальной практике форк Claude Code на Qwopus3.6-27B-Coder-MTP используется как полноценная замена Cursor.

Установка и запуск

Требования

• GPU NVIDIA с 24+ ГБ VRAM (RTX 3090/4090 или аналог)

• Bun (рантайм для TypeScript)

• LM Studio или другой OpenAI-compatible сервер

Быстрый старт

# Установка зависимостей
bun install

# Запуск
tsx ./main.tsx

Настройка LM Studio

1. Скачайте Qwopus3.6-27B-Coder-MTP-GGUF с Hugging Face

2. Загрузите модель в LM Studio

3. Запустите локальный сервер (по умолчанию на порту 1235)

4. Настройте Claude Code на использование этого провайдера через LLM Router

Сборка Windows-исполняемого файла

bun build ./scripts/windows-launcher.ts --compile --outfile=./dist/claude-code-local-runner.exe

Сравнение: Cursor vs Claude Code на локальной модели

Заключение

Форк Claude Code на локальной модели Qwopus3.6-27B-Coder-MTP — это не эксперимент, а полноценный рабочий инструмент. Он сочетает мощную архитектуру Anthropic с приватностью и автономностью локальных LLM.

Для разработчиков, которым важна приватность кода, отсутствие зависимостей от облачных провайдеров и возможность работать без интернета — это отличная альтернатива Cursor. А с технологией MTP, удваивающей скорость генерации, разница в производительности становится всё меньше.

Проект продолжает развиваться, добавляя новые инструменты, улучшая систему мульти-агентной оркестрации и расширяя поддержку провайдеров. Следите за обновлениями.