Qwen3.8-Flash-Next の必要VRAM

Qwenが次世代アーキの先行版として公開したMoE。48層中36層が線形注意(Gated DeltaNet)で、KVキャッシュを持つのは12層だけ。llama.cppは公開3日で対応した。

180B / 48層 / GQA 2ヘッド / 既定コンテキスト 8,192 トークン(HuggingFace)

必要VRAM = 重み + KVキャッシュ(既定コンテキスト時) + 1.5GB(OS/表示)。△は量子化を下げるかコンテキストを絞れば動作します。

この表は Q4_K_M を最小の量子化として計算しています。×でも、IQ4_XS のようにさらに小さい量子化なら収まることがあります(品質低下と、使うランタイムの対応状況の確認が要ります)。

🛠 総パラメータは大きいものの、実際に毎回動くのは一部だけのMoEです。llama.cpp の --n-cpu-moe や KTransformers などオフロード対応エンジンを使うと、VRAM に全部載らなくても、大容量のシステムRAMがあれば動く場合があります(速度は実働パラメータ相当。下の必要VRAMは全載せ前提の目安です)。

Qwen3.8-Flash-Nextとは

Qwen3.8-Flash-Nextは、Alibaba(Qwenチーム)が公開するQwen系のデータセンター級(180Bパラメータ)オープンモデルです。数百B〜1T規模のフラッグシップで、個人のローカル実行は対象外です(参考収載)。テキストに加えて画像入力に対応するマルチモーダル(VLM)です。

Hugging Faceでの直近30日ダウンロードは約40万件・いいね4,913件 — ダウンロード数は当サイト収録92モデル中52位です(2026-09-06時点。公式リポジトリ分のみで、GGUF再配布版は含みません)。

Qwen3.8-Flash-Nextの必要スペックを読み解く

Q4_K_M量子化での内訳は、重み(モデル本体)が約109.1GB、8Kトークン分のKVキャッシュが約0.2GB、システム予約と合わせて合計約110.8GBです。 単一のコンシューマGPUに◎(快適)となるクラスはなく、実行はクラウドGPUが現実的です。 迷ったらQ4_K_M(合計約110.8GB)が基準です。VRAMに余裕があればQ8_0(約193GB)で品質の上積みが狙えます。 Mac(ユニファイドメモリ)での判定は、トップページでチップと搭載メモリを選ぶと計算できます。

MoE構成: 総180B・実効6B。メモリは総量180B分が必要ですが、生成速度は6B級の軽さです。

ハイブリッドアテンション(線形)採用: 全48層のうちフルアテンションは12層のみで、残りの層はコンテキスト長に依存しない固定サイズの状態を持ちます。長文に強い設計です。

画像対応(VLM): 画像を入力する際は、テキストのみの目安より使用メモリが増えます。

コンテキスト長とメモリの伸び方

このモデルのKVキャッシュは、2Kトークンで約0.1GB、8Kで約0.2GB、32Kまで広げると約0.8GBになります。KVキャッシュはコンテキスト長にほぼ比例して増えるため、長文用途ではその分のVRAM余白を見込んでください。

速度の目安(理論上限)

MoEのため速度は実効6B相当(Q4で約3.6GB)で決まり、理論上限はRTX 3060 12GBで約99 tokens/秒、RTX 4090で約277 tokens/秒です(実効はこれ以下)。

動かすには

この規模はコンシューマ環境の外なので、クラウドGPUでの実行が入口になります。 RunPodでの始め方(手順ガイド)

同クラスの選択肢

Step-3.7-Flash(201.37B) / MiniMax-M2.7(228.7B) / Solar Open 2 250B(250.29B)

▶ あなたのPCを自動判定する(スペック送信なし・ブラウザ内完結)