Qwen3.8 Flash Next 本地部署需要多少記憶體？
看能跑的裝置Qwen3.8 Flash Next 是 MoE 模型，總參數 176B，每 token 啟用 6B。Q4 量化整機放顯存需要 100GB；把專家放進系統記憶體後只需 4GB 顯存 + 97GB 記憶體。能裝下它的最便宜裝置是 DGX Spark 128GB，暫無二手價資料，預估 44.7 tokens/s。卸載模式下最便宜能跑的顯示卡是 GeForce RTX 2080 Ti，預估 21 tokens/s。
Qwen3.8 Flash Next 版本資訊
Qwen3.8 Flash Next 各量化與上下文的記憶體需求
8K 總記憶體MoE：總參數 176B 全部要常駐記憶體，速度按每 token 啟用的 6B 計算。
| 量化 | 權重體積GB | 8K 總記憶體GB | 32K 總記憶體GB | 128K 總記憶體GB |
|---|---|---|---|---|
| 1-bit | 74.5GGUF | 42.5 | 43.1 | 45.3 |
| 2-bit | 78.9GGUF | 66.6 | 67.2 | 69.4 |
| 3-bit | 90GGUF | 85.5 | 86.1 | 88.3 |
| 4-bit | 111.3GGUF | 99.3 | 99.9 | 102.1 |
| 5-bit | 158.3GGUF | 119.9 | 120.5 | 122.8 |
| 8-bit | 188.2GGUF | 183.6 | 184.2 | 186.4 |
| FP16 | 354GGUF | 345.4 | 346 | 348.2 |
總記憶體 = 權重 + KV cache（FP16）+ 1GB 執行開銷。標 GGUF 的權重是倉庫裡的實測檔案體積，標「估」的按每參數位元組估算。超過這個模型 256K 上下文上限的檔位寫「—」。各檔取倉庫裡該位元數的任一檔案，優先 unsloth 動態量化，所以同一檔不同模型對應的檔名可能不同。
什麼顯示卡能跑 Qwen3.8 Flash Next？
Q4_K_M · 8K 上下文 · 依閒魚二手價升序| 裝置 | 顯存GB | 二手價 | 預估 t/s | 建議上下文 |
|---|---|---|---|---|
 DGX Spark 128GB | 128 | —暫無掛單 | 44.7 | 128K |
| Mac Studio M4 Max 128GB | 128 | —暫無掛單 | 63.7 | 128K |
| Mac Studio M5 Max 128GB | 128 | —暫無掛單 | 69.4 | 128K |
| MacBook Pro M4 Max 128GB | 128 | —暫無掛單 | 63.7 | 128K |
| MacBook Pro M5 Max 128GB | 128 | —暫無掛單 | 69.4 | 128K |
 Ryzen AI Max+ 395 128GB | 128 | —暫無掛單 | 31.8 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | —暫無掛單 | 84.7 | 128K |
判定口徑：權重 + KV cache + 執行開銷 ≤ 可用記憶體，單卡。MoE 模型標「卸載」表示把專家權重放進系統記憶體後能跑（顯存只放注意力層與 KV cache），速度按記憶體頻寬 70 GB/s 估算。上下文欄給的是能裝下的最大檔位。
把專家放進記憶體後還能跑 Qwen3.8 Flash Next 的顯示卡
專家權重放系統記憶體，需要 ≥ 97 GB 記憶體；顯存只放注意力層、共享專家和 KV cache，Q4 下最低 4 GB。速度受記憶體頻寬限制（按 70 GB/s 估算），比整機放顯存慢得多。
用 Ollama / llama.cpp / vLLM 啟動 Qwen3.8 Flash Next
Ollama 庫暫無官方標籤。
llama.cpp 直接從 Hugging Face 拉 GGUF，-c 是上下文長度。
llama-server -hf unsloth/Qwen3.8-Flash-Next-GGUF:Q4_K_M -c 8192
vLLM 跑的是原始精度權重，記憶體需求比 GGUF 高得多，通常要多卡。
vllm serve Qwen/Qwen3.8-Flash-Next
量化檔名以模型庫當週抓取為準，口徑見資料方法。 資料方法
常見問題
Qwen3.8 Flash Next 需要多少記憶體？
在 Q4_K_M 量化、8K 上下文下 Qwen3.8 Flash Next 約需 100GB 記憶體，留到 120GB 更穩。
哪張顯示卡最便宜能跑 Qwen3.8 Flash Next？
DGX Spark 128GB，128GB 記憶體，預估 44.7 tokens/s；這台裝置還沒有二手價資料。
Qwen3.8 Flash Next 能用 Ollama 跑嗎？
暫時不行，Ollama 庫還沒有它的官方標籤；可以用 llama.cpp 載入 GGUF。