収録 GPU41価格追跡3 日2026年9月3日 から直近 24h の価格データ11,753 件24h 最大の値下げ—24h 最大の値上げ—データ更新 2026年9月5日

Qwen3.8 Flash Next のローカル実行に必要なVRAMは？

動かせるデバイスを見る
VRAMGlass 編集部 · 2026年9月5日 更新

Qwen3.8 Flash Next は総パラメータ 176B、1 トークンあたり 6B が有効になる MoE モデルです。Q4 で全量を VRAM に置くには 100GB 必要ですが、エキスパートをシステム RAM に置けば VRAM 4GB + RAM 97GB で動きます。収まる最も安いデバイスは DGX Spark 128GB ですが、中古価格のデータはまだなく、推定 44.7 tokens/s です。オフロード構成で最も安く動かせるのは GeForce RTX 2080 Ti で、推定 21 tokens/s です。

Qwen3.8 Flash Next のバージョン情報

発売日2026年8月24日
Hugging Face リポジトリQwen/Qwen3.8-Flash-Next
リビジョン—
ライセンスQwen Community License 1.0
アーキテクチャMoE
GGUF リポジトリunsloth/Qwen3.8-Flash-Next-GGUF
Ollama タグ—
Q4 最小VRAM100 GB · Q4_K_M · 8K
エキスパートオフロードVRAM 4 GB + RAM 97 GB
パラメータ数176B
MoE6B
レイヤー数48
隠れ層次元2,560
KV ヘッド数2
ヘッド次元256
最大コンテキスト256K
提供元Alibaba

Qwen3.8 Flash Next の量子化・コンテキスト別の必要VRAM

8K 時の合計

MoE：総パラメータ 176B すべてをメモリに常駐させる必要があり、速度は 1 トークンあたり有効な 6B で決まります。

量子化重みサイズGB8K 時の合計GB32K 時の合計GB128K 時の合計GB
1-bit74.5GGUF42.543.145.3
2-bit78.9GGUF66.667.269.4
3-bit90GGUF85.586.188.3
4-bit111.3GGUF99.399.9102.1
5-bit158.3GGUF119.9120.5122.8
8-bit188.2GGUF183.6184.2186.4
FP16354GGUF345.4346348.2

合計 = 重み + KV キャッシュ（FP16）+ 実行時オーバーヘッド 1GB。GGUF と付いた重みはリポジトリの実測ファイルサイズ、「推定」はパラメータあたりのバイト数からの概算です。このモデルの上限 256K を超えるコンテキストは「—」と表示します。各段はリポジトリにあるそのビット幅のファイルを使い、unsloth 動的量子化を優先するため、ファイル名はモデルごとに異なります。

Qwen3.8 Flash Next を動かせるGPUは？

Q4_K_M・8K コンテキスト・eBayの中古価格の安い順
デバイスVRAMGB中古価格推定 t/s推奨コンテキスト
DGX Spark 128GB128—出品なし44.7128K
Mac Studio M4 Max 128GB128—出品なし63.7128K
Mac Studio M5 Max 128GB128—出品なし69.4128K
MacBook Pro M4 Max 128GB128—出品なし63.7128K
MacBook Pro M5 Max 128GB128—出品なし69.4128K
Ryzen AI Max+ 395 128GB128—出品なし31.8128K
Mac Studio M3 Ultra 512GB512—出品なし84.7128K

判定基準：重み + KV キャッシュ + 実行時オーバーヘッド ≤ 利用可能メモリ、1 枚構成。MoE モデルの「オフロード」はエキスパート重みをシステム RAM に置けば動作することを示し（VRAM にはアテンション層と KV キャッシュのみ）、その速度は RAM 帯域幅 70 GB/s を前提に推定。コンテキスト列は収まる最大段階です。

エキスパートを RAM に置けば Qwen3.8 Flash Next を動かせる GPU

エキスパート重みはシステム RAM に置き（97 GB 以上が必要）、VRAM にはアテンション層・共有エキスパート・KV キャッシュのみで Q4 なら最低 4 GB。速度は RAM 帯域幅（70 GB/s で推定）に縛られ、全量 VRAM 構成よりかなり遅くなります。

デバイスVRAMGB中古価格必要 RAMGB推定 t/s
GeForce RTX 2080 Ti11—9721.2
GeForce RTX 408016—9721.5
GeForce RTX 5070 Ti16—9721.8
GeForce RTX 508016—9721.9
Radeon RX 7800 XT16—9720.6
Radeon RX 9070 XT16—9720.7
Tesla V100 16GB16—9721.8
Radeon RX 7900 XT20—9721.1
Arc Pro B6024—9719.6
GeForce RTX 309024—9721.8
GeForce RTX 409024—9721.9
GeForce RTX 5090 D V224—9722.2
Radeon RX 7900 XTX24—9721.4
RTX PRO 4000 Blackwell24—9721.4
Arc Pro B6532—9720.3
Arc Pro B7032—9720.3
GeForce RTX 4080 SUPER 32GB (改造)32—9721.5
GeForce RTX 509032—9722.4
GeForce RTX 5090 D32—9722.4
Instinct MI10032—9721.8
Radeon AI PRO R970032—9720.7
Radeon PRO W780032—9720.5
RTX PRO 4500 Blackwell32—9721.8
Tesla V100 32GB32—9721.8
A100 40GB PCIe40—9722.3
CMP 170HX 40GB (改造)40—9722.3
GeForce RTX 4090 48GB (改造)48—9721.9
Radeon PRO W790048—9721.2
RTX PRO 5000 Blackwell 48GB48—9722.2
CMP 170HX 64GB (改造)64—9722.3
Instinct MI21064—9722.1
RTX PRO 5000 Blackwell 72GB72—9722.2
RTX PRO 6000D84—9722.3
RTX PRO 6000 Blackwell96—9722.4

Ollama / llama.cpp / vLLM で Qwen3.8 Flash Next を起動する

Ollama

Ollama ライブラリに公式タグはまだありません。

llama.cpp

llama.cpp は Hugging Face から GGUF を直接取得します。-c はコンテキスト長です。

llama-server -hf unsloth/Qwen3.8-Flash-Next-GGUF:Q4_K_M -c 8192
vLLM

vLLM は元の精度の重みを読み込むため、GGUF よりはるかに多くのメモリ（通常は複数枚）が必要です。

vllm serve Qwen/Qwen3.8-Flash-Next

ファイル名はその週のモデルライブラリ取得時点のものです。定義はデータ方法を参照してください。 データ方法

よくある質問

Qwen3.8 Flash Next にはどれくらいのVRAMが必要ですか？

Q4_K_M・8K コンテキストでは Qwen3.8 Flash Next に約 100GB のVRAMが必要で、120GB あれば余裕があります。

Qwen3.8 Flash Next を動かせる最も安いGPUは？

DGX Spark 128GB です。VRAM 128GB、推定 44.7 tokens/s。このデバイスの中古価格データはまだありません。

Qwen3.8 Flash Next は Ollama で動かせますか？

まだできません。Ollama ライブラリに公式タグがないため、llama.cpp で GGUF を読み込んでください。