01Ce qu'il sait faire
- MoE 125B/6B actifs : débit élevé pour sa taille
- Contexte natif 256k
- Multimodal (vision, code, chat)
- Tient sur un GPU 80 Go en Q4 (~72 Go)
- —Reste une classe serveur (~72 Go VRAM Q4)
- —Licence « other » — vérifier les conditions d'usage
- —Poids récents : écosystème quantifié encore jeune
04Installer
Installez Ollama pour votre OS. Vérifiez le modèle et sa quantification avant le téléchargement. Commencez avec 4096 tokens de contexte, puis contrôlez le placement avec ollama ps. Une commande ci-dessous n’est pas une preuve de test exécuté sur votre machine.
02Mémoire requise
VRAM GPU approximative pour faire tourner ce modèle, overhead contexte de 4k tokens inclus. Pour un contexte plus long, ajoutez ~1 Go par tranche de 8k tokens.
Quel matériel pour Qwen3.8 Flash Next 125B-A6B ?
Pour exécuter Qwen3.8 Flash Next 125B-A6B en local en quantification Q4, il faut environ 72 Go de VRAM. Une option à comparer : GMKtec EVO-X2 64 Go / 1 To (Ryzen AI Max+ 395) — gardez une marge pour le système et le contexte ; vérifiez la compatibilité du moteur avec le GPU.
Pourquoi ce choix ? Notre fiche complète sur GMKtec EVO-X2 64 Go / 1 To (Ryzen AI Max+ 395) →
Liens affiliés — commission possible sans surcoût pour vous, reco indépendante. En tant que Partenaire Amazon, QuelLLM réalise un bénéfice sur les achats remplissant les conditions requises.
03Vitesse attendue
Tokens générés par seconde en Q4_K_M, contexte 4k. Au-delà de 20 t/s, la lecture est confortable. En dessous de 10 t/s, c'est juste pour tester.