01O que ele sabe fazer
- MoE 125B/6B ativos: alta taxa de geração para seu tamanho
- Contexto nativo 256k
- Multimodal (visão, código, chat)
- Cabe em uma GPU de 80 GB em Q4 (~72 GB)
- —Continua sendo um modelo de categoria servidor (~72 GB de VRAM em Q4)
- —Licença « other » — verificar as condições de uso
- —Pesos recentes: ecossistema quantizado ainda jovem
04Instalar
Instale Ollama para seu SO. Verifique o modelo e sua quantização antes do download. Comece com 4096 tokens de contexto, depois verifique a alocação com ollama ps. Um comando abaixo não é prova de teste executado na sua máquina.
02Memória necessária
Quantidade aproximada de VRAM da GPU necessária para executar este modelo, incluindo a memória adicional para um contexto de 4k tokens. Para um contexto mais longo, adicione ~1 GB a cada 8k tokens.
Qual hardware usar para Qwen3.8 Flash Next 125B-A6B?
Para executar Qwen3.8 Flash Next 125B-A6B localmente com quantização Q4, você precisa de aproximadamente 72 GB de VRAM. Uma opção para comparar: GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) — mantenha uma margem para o sistema e o contexto; verifique a compatibilidade do motor com a GPU.
Por que essa escolha? Nossa ficha completa sobre GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) →
Links afiliados — comissão possível sem custo adicional para você, recomendação independente. Como Parceiro Amazon, QualLLM obtém lucro com compras que atendem às condições exigidas.
03Velocidade estimada
Tokens gerados por segundo em Q4_K_M, contexto 4k. Acima de 20 t/s, a leitura é confortável. Abaixo de 10 t/s, é apenas para testar.