DavidAU ist ein bekannter, aber umstrittener Fine-Tuner in der LocalLLaMA-Community, dessen Modelle bislang gemischte Reaktionen hervorriefen. Der vorliegende Fine-Tune von Qwen 3.6 27B entstand nicht allein, sondern als Kollaboration mehrerer Personen – ein Umstand, den der Poster als auffällig positives Merkmal hervorhebt. Auf der Hugging Face-Seite des Modells finden sich Benchmarks, die teils deutliche Verbesserungen gegenüber dem Basismodell zeigen, ohne erkennbare Regressionen. Der Tester nutzt das Modell in einem realen Agenten-Setup namens „Hermes", das sich in eine komplexe Weboberfläche mit JavaScript-Elementen einloggt, um Überstunden-Bonusschichten nach spezifischen Filtern zu identifizieren und den Nutzer zu benachrichtigen. Dabei ist ein Kontext von 262K Tokens erforderlich, was auf einer einzelnen RTX 3090 nur mit Q4-KV-Quantisierung realisierbar ist. Im direkten Vergleich zum Unsloth-IQ4XS-Basismodell fiel die Fehlerrate von 2/10 auf 0/10 Durchläufen. Besonders hervorgehoben wird, dass das Fine-Tune-Modell im Reasoning-Block strukturierte Pläne anlegt, was beim Basismodell nicht beobachtet wurde, und auch bei Tool-Calls mit Q4-KV keinerlei Fehler produzierte.