Arrakis / Modelos / Qwen3.8-Flash-Next

Requisitos de GPU do Qwen3.8-Flash-Next

O Qwen3.8-Flash-Next tem 180B parâmetros. Para servi-lo, conte com cerca de 432 GB de memória de GPU em 16 bits, 216 GB em 8 bits ou 108 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações.

É um modelo de mistura de especialistas: 512 especialistas, 10 deles ativos para cada token. Todos ficam na memória da GPU, então conte memória para todos os 180B parâmetros.

Implantar este modelo Verificar outro modelo

O que é preciso para servi-lo

A memória de GPU para rodá-lo em inferência, com a menor configuração de GPU que o comporta e o menor preço na Arrakis agora.

Precisão	Memória e menor configuração
16 bits	432 GB: 2 × B300, a partir de US$ 9,20 por hora pelas 2
8 bits	216 GB: uma B300, a partir de US$ 4,60 por GPU-hora
4 bits	108 GB: uma H200, a partir de US$ 4,03 por GPU-hora

O que é preciso para fazer ajuste fino

O QLoRA treina adaptadores sobre um modelo congelado em 4 bits, o LoRA sobre um em 16 bits, e o ajuste fino completo atualiza todos os pesos. Os valores não incluem as ativações, que crescem com o tamanho do lote e o comprimento da sequência.

Método	Memória e menor configuração
QLoRA	126 GB: uma H200, a partir de US$ 4,03 por GPU-hora
LoRA	432 GB: 2 × B300, a partir de US$ 9,20 por hora pelas 2
Ajuste fino completo	2.880 GB: mais de uma máquina de 8 GPUs

Sobre o modelo

Do cartão e dos arquivos no Hugging Face. Os números de memória seguem o guia de memória de GPU.

Parâmetros: 180B
Especialistas: 512
Especialistas por token: 10
Janela de contexto (tokens): 262,144
Publicado em: BF16
Licença: other
Data de lançamento: 2026-08-24
Pesos: Qwen/Qwen3.8-Flash-Next

Implante na Arrakis

Abra Models no console, escolha vLLM, SGLang ou llama.cpp e alugue uma GPU em que ele caiba. Você recebe um endpoint compatível com OpenAI com sua própria chave de API, e SSH root na máquina. Ou rode você mesmo em qualquer máquina com memória de GPU suficiente:

vLLM

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

Implantar este modelo Como funciona a implantação

Perguntas

Os preços em tempo real de todas as GPUs estão na página de preços de GPU.

Quanta memória de GPU o Qwen3.8-Flash-Next precisa?

Para servi-lo, cerca de 432 GB em 16 bits, 216 GB em 8 bits e 108 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações. Para fazer ajuste fino, cerca de 126 GB com QLoRA, 432 GB com LoRA e 2.880 GB para ajuste fino completo com Adam, sem contar as ativações.

Posso rodar o Qwen3.8-Flash-Next em uma única GPU?

Sim, quantizado. Em 8 bits ele precisa de cerca de 216 GB, que cabem em uma B300. Em 16 bits ele precisa de 2 GPUs B300.

Quanto custa rodar o Qwen3.8-Flash-Next?

Em 16 bits ele precisa de 2 GPUs B300; em 4 bits, de uma H200. Cada configuração desta página mostra o menor preço por GPU-hora na Arrakis agora, e você paga por hora a partir de um saldo pré-pago.

Como implanto o Qwen3.8-Flash-Next na Arrakis?

Abra Models no console da Arrakis, cole Qwen/Qwen3.8-Flash-Next, escolha vLLM, SGLang ou llama.cpp e alugue uma GPU em que ele caiba. Você recebe um endpoint compatível com OpenAI com sua própria chave de API, e SSH root na máquina.

Mais modelos

Todos os modelos, e uma verificação para qualquer outro.