Arrakis / Modèles / Qwen3.8-Flash-Next

Besoins GPU de Qwen3.8-Flash-Next

Qwen3.8-Flash-Next compte 180B paramètres. Pour le servir, prévoyez environ 432 Go de mémoire GPU en 16 bits, 216 Go en 8 bits ou 108 Go en 4 bits, dont environ 20 % pour le cache KV et les activations.

C’est un modèle à mélange d’experts : 512 experts, dont 10 actifs pour chaque token. Tous restent en mémoire GPU : prévoyez la mémoire pour l’ensemble des 180B 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	432 Go : 2 × B300, à partir de 9,20 $ de l’heure pour les 2
8 bits	216 Go : un B300, à partir de 4,60 $ par heure de GPU
4 bits	108 Go : un H200, à partir de 3,44 $ 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	126 Go : un H200, à partir de 3,44 $ par heure de GPU
LoRA	432 Go : 2 × B300, à partir de 9,20 $ de l’heure pour les 2
Fine-tuning complet	2 880 Go : plus d’une machine à 8 GPU

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: 180B
Experts: 512
Experts par token: 10
Fenêtre de contexte (tokens): 262,144
Publié en: BF16
Licence: other
Date de publication: 2026-08-24
Poids: Qwen/Qwen3.8-Flash-Next

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/Qwen3.8-Flash-Next --tensor-parallel-size 2

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 Qwen3.8-Flash-Next a-t-il besoin ?

Pour le servir, environ 432 Go en 16 bits, 216 Go en 8 bits et 108 Go en 4 bits, dont environ 20 % pour le cache KV et les activations. Pour l’affiner, environ 126 Go avec QLoRA, 432 Go avec LoRA et 2 880 Go pour un fine-tuning complet avec Adam, hors activations.

Puis-je faire tourner Qwen3.8-Flash-Next sur un seul GPU ?

Oui, quantifié. En 8 bits, il lui faut environ 216 Go, ce qui tient sur un B300. En 16 bits, il lui faut 2 GPU B300.

Combien coûte l’exécution de Qwen3.8-Flash-Next ?

En 16 bits, il lui faut 2 GPU B300 ; en 4 bits, un H200. 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 Qwen3.8-Flash-Next sur Arrakis ?

Ouvrez Models dans la console Arrakis, collez Qwen/Qwen3.8-Flash-Next, 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.