Arrakis / Modèles / Qwen3.5-35B-A3B

Besoins GPU de Qwen3.5-35B-A3B

Qwen3.5-35B-A3B compte 36B paramètres. Pour le servir, prévoyez environ 86 Go de mémoire GPU en 16 bits, 43 Go en 8 bits ou 22 Go en 4 bits, dont environ 20 % pour le cache KV et les activations.

C’est un modèle à mélange d’experts : 256 experts, dont 8 actifs pour chaque token. Tous restent en mémoire GPU : prévoyez la mémoire pour l’ensemble des 36B paramètres.

Déployer ce modèle Vérifier un autre modèle

Ce qu’il faut pour le servir

La mémoire GPU pour le faire tourner en inférence, avec la plus petite configuration GPU qui le contient et le prix le plus bas sur Arrakis en ce moment.

Précision	Mémoire et plus petite configuration
16 bits	86 Go : un RTX PRO 6000, à partir de 1,90 $ par heure de GPU
8 bits	43 Go : un L40S, RTX 6000 Ada ou RTX A6000, la L40S à partir de 0,44 $ par heure de GPU
4 bits	22 Go : un RTX 4090 ou RTX 3090, la RTX 3090 à partir de 0,19 $ par heure de GPU

Ce qu’il faut pour l’affiner

QLoRA entraîne des adaptateurs sur un modèle figé en 4 bits, LoRA sur un modèle en 16 bits, et le fine-tuning complet met à jour tous les poids. Les chiffres s’entendent hors activations, qui augmentent avec la taille des lots et la longueur des séquences.

Méthode	Mémoire et plus petite configuration
QLoRA	25 Go : un RTX 5090, à partir de 0,58 $ par heure de GPU
LoRA	86 Go : un RTX PRO 6000, à partir de 1,90 $ par heure de GPU
Fine-tuning complet	575 Go : 8 × H100, à partir de 18,00 $ de l’heure pour les 8

À propos du modèle

D’après sa fiche et ses fichiers sur Hugging Face. Les chiffres de mémoire suivent le guide de la mémoire GPU.

Paramètres: 36B
Actifs par token: 3B
Experts: 256
Experts par token: 8
Fenêtre de contexte (tokens): 262,144
Publié en: BF16
Licence: apache-2.0
Date de publication: 2026-02-24
Poids: Qwen/Qwen3.5-35B-A3B

Déployez-le sur Arrakis

Ouvrez Models dans la console, choisissez vLLM, SGLang ou llama.cpp, et louez un GPU sur lequel il tient. Vous obtenez un endpoint compatible OpenAI avec sa propre clé d’API, et un accès SSH root à la machine. Ou faites-le tourner vous-même sur n’importe quelle machine avec assez de mémoire GPU :

vLLM

vllm serve Qwen/Qwen3.5-35B-A3B --tensor-parallel-size 1

Déployer ce modèle Comment fonctionne le déploiement

Questions

Les prix en temps réel de tous les GPU sont sur la page Prix des GPU.

De combien de mémoire GPU Qwen3.5-35B-A3B a-t-il besoin ?

Pour le servir, environ 86 Go en 16 bits, 43 Go en 8 bits et 22 Go en 4 bits, dont environ 20 % pour le cache KV et les activations. Pour l’affiner, environ 25 Go avec QLoRA, 86 Go avec LoRA et 575 Go pour un fine-tuning complet avec Adam, hors activations.

Puis-je faire tourner Qwen3.5-35B-A3B sur un seul GPU ?

Oui. En 16 bits, il lui faut environ 86 Go, ce qui tient sur un RTX PRO 6000.

Combien coûte l’exécution de Qwen3.5-35B-A3B ?

En 16 bits, il lui faut un RTX PRO 6000 ; en 4 bits, un RTX 4090 ou RTX 3090. Chaque configuration de cette page affiche le prix le plus bas par heure de GPU sur Arrakis en ce moment, et vous payez à l’heure depuis un solde prépayé.

Comment déployer Qwen3.5-35B-A3B sur Arrakis ?

Ouvrez Models dans la console Arrakis, collez Qwen/Qwen3.5-35B-A3B, choisissez vLLM, SGLang ou llama.cpp, et louez un GPU sur lequel il tient. Vous obtenez un endpoint compatible OpenAI avec sa propre clé d’API, et un accès SSH root à la machine.

Plus de modèles

Tous les modèles, et une vérification pour n’importe quel autre.