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.
Q4_K_M
Le plus léger, ~5% de perte
48 Go
Q5_K_M
Bon compromis qualité/taille
58 Go
Q8_0
Quasi-indistinguable de FP16
86 Go
FP16
Pleine précision — usage serveur
160 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 72 Go de RAM minimum pour faire tourner ce modèle à vitesse réduite.
Quel GPU pour faire tourner Qwen3-Coder-Next 80B-A3B ?
Pour exécuter Qwen3-Coder-Next 80B-A3B en local en quantification Q4, il faut environ 48 Go de VRAM. Le meilleur rapport prix/performance : un GMKtec EVO-X2 128 Go (mini-PC IA, 128 Go de mémoire unifiée).
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.
Entrée de gamme
~5t/s
GTX 1650, RX 6600, MBA M2 8Go
Milieu de gamme
~18t/s
RTX 4060, 4070, MBP M3 Pro
Haut de gamme
~50t/s
RTX 4090, M4 Max, Radeon 7900
04Installer
Le chemin le plus court : Ollama. Une commande, le modèle est téléchargé et lancé.
Premier téléchargement : entre 2 et 40 Go selon la quantization choisie. Espace disque à prévoir, connexion stable recommandée. Les relances suivantes sont instantanées.