Arrakis / Modelos / Qwen3.8-Flash-Next

Requisitos de GPU de Qwen3.8-Flash-Next

Qwen3.8-Flash-Next tiene 180B parámetros. Para servirlo, calcula unos 432 GB de memoria de GPU en 16 bits, 216 GB en 8 bits o 108 GB en 4 bits, incluido un 20% para la caché KV y las activaciones.

Es un modelo de mezcla de expertos: 512 expertos, 10 de ellos activos en cada token. Todos permanecen en la memoria de la GPU, así que calcula la memoria para los 180B parámetros.

Desplegar este modelo Comprobar otro modelo

Lo que hace falta para servirlo

La memoria de GPU para ejecutarlo en inferencia, con la configuración de GPU más pequeña que lo sostiene y el precio más bajo en Arrakis ahora mismo.

Precisión	Memoria y configuración mínima
16 bits	432 GB: 2 × B300, desde 9,20 US$ por hora las 2
8 bits	216 GB: una B300, desde 4,60 US$ por GPU-hora
4 bits	108 GB: una H200, desde 4,03 US$ por GPU-hora

Lo que hace falta para ajustarlo

QLoRA entrena adaptadores sobre un modelo congelado de 4 bits; LoRA, sobre uno de 16 bits, y el ajuste fino completo actualiza todos los pesos. Las cifras no incluyen las activaciones, que crecen con el tamaño del lote y la longitud de secuencia.

Método	Memoria y configuración mínima
QLoRA	126 GB: una H200, desde 4,03 US$ por GPU-hora
LoRA	432 GB: 2 × B300, desde 9,20 US$ por hora las 2
Ajuste fino completo	2.880 GB: más de una máquina de 8 GPU

Sobre el modelo

De su ficha y sus archivos en Hugging Face. Las cifras de memoria siguen la guía de memoria de GPU.

Parámetros: 180B
Expertos: 512
Expertos por token: 10
Ventana de contexto (tokens): 262,144
Publicado en: BF16
Licencia: other
Fecha de publicación: 2026-08-24
Pesos: Qwen/Qwen3.8-Flash-Next

Despliégalo en Arrakis

Abre Models en la consola, elige vLLM, SGLang o llama.cpp y alquila una GPU en la que quepa. Obtienes un endpoint compatible con OpenAI con su propia clave de API, y SSH root a la máquina. O ejecútalo tú mismo en cualquier máquina con suficiente memoria de GPU:

vLLM

vllm serve Qwen/Qwen3.8-Flash-Next --tensor-parallel-size 2

Desplegar este modelo Cómo funciona el despliegue

Preguntas

Los precios en tiempo real de todas las GPU están en la página de precios de GPU.

¿Cuánta memoria de GPU necesita Qwen3.8-Flash-Next?

Para servirlo, unos 432 GB en 16 bits, 216 GB en 8 bits y 108 GB en 4 bits, incluido un 20% para la caché KV y las activaciones. Para ajustarlo, unos 126 GB con QLoRA, 432 GB con LoRA y 2.880 GB para un ajuste fino completo con Adam, sin contar las activaciones.

¿Puedo ejecutar Qwen3.8-Flash-Next en una sola GPU?

Sí, cuantizado. En 8 bits necesita unos 216 GB, que caben en una B300. En 16 bits necesita 2 GPU B300.

¿Cuánto cuesta ejecutar Qwen3.8-Flash-Next?

En 16 bits necesita 2 GPU B300; en 4 bits, una H200. Cada configuración de esta página muestra el precio más bajo por GPU-hora en Arrakis ahora mismo, y pagas por hora desde un saldo prepago.

¿Cómo despliego Qwen3.8-Flash-Next en Arrakis?

Abre Models en la consola de Arrakis, pega Qwen/Qwen3.8-Flash-Next, elige vLLM, SGLang o llama.cpp y alquila una GPU en la que quepa. Obtienes un endpoint compatible con OpenAI con su propia clave de API, y SSH root a la máquina.

Más modelos

Todos los modelos, y una comprobación para cualquier otro.