capy-flash запускает Qwen3.8-Flash-Next на двух видеокартах по 16 ГБ
2026-10-15 вышла capy-flash v0.5.2 — система для запуска Qwen3.8-Flash-Next 125B-A6B на двух потребительских NVIDIA RTX 5070 Ti с 16 ГБ памяти каждая. Экспертные блоки модели размещаются в оперативной памяти компьютера, а вычисления распределяются между двумя видеокартами. По данным автора, на конфигурации с AMD Ryzen 9 9900X и 96 ГБ DDR5 скорость генерации достигла 100,8 токена в секунду, а обработка запроса длиной 15 тыс. токенов — 3302 токенов в секунду; независимых замеров пока нет.
Проект доступен по лицензии Apache-2.0, подготовленные веса занимают 126,6 ГБ и распространяются с условиями NVIDIA Open Model License и Qwen Community License. Для работы нужны Linux, CUDA 13.1, две видеокарты NVIDIA RTX 50-й серии, процессор с AVX-512 и около 70 ГБ свободной оперативной памяти. Поддерживается контекст до 262 144 токенов, но одновременно обслуживается только один запрос. По данным автора, capy-flash обошла Strata 0.1.44.1 на тех же весах NVFP4: 100,8 против 78,3 токена в секунду.
Для бизнеса это вариант развернуть Qwen3.8-Flash-Next у себя для программных агентов и работы с закрытыми данными без покупки серверных ускорителей. Само ПО бесплатно, однако подтверждённой стоимости полного компьютера в рублях нет: бюджет зависит от российских цен на две RTX 5070 Ti, 96 ГБ памяти и совместимый процессор. Основной риск — узкая аппаратная совместимость и испытания только на одном компьютере; перед внедрением стоит проверить качество на собственных задачах, нагрузку на память и стабильность длительной работы.
Далее важно дождаться независимых замеров, поддержки других видеокарт и параллельной обработки нескольких запросов. Отдельно будем отслеживать, сохранится ли заявленная скорость в корпоративных сценариях с длинной историей диалога и одновременными пользователями.
Что за модель: Qwen3.8-Flash-Next
Alibaba Qwen выпустила Qwen3.8-Flash-Next 2026-08-24 как экспериментальную открытую модель с поддержкой текста, программного кода, изображений и видео. Модель содержит 125 млрд параметров и задействует 6 млрд при обработке запроса; отдельно заявлены 51 млрд параметров n-gram embeddings и 4 млрд параметров MTP. Базовый контекст составляет 262 144 токена, с возможностью расширения до 1 млн токенов. Архитектура объединяет Gated DeltaNet, Qwen Sparse Attention и 512 экспертов, из которых на каждом шаге работают 10 маршрутизируемых и один общий. Все опубликованные результаты тестов предоставлены вендором, независимых замеров пока нет.
Что это значит для бизнеса
Модель подходит компаниям, которым нужны обработка документов, программного кода и визуальных материалов с возможностью развернуть систему у себя. Основное преимущество — только 6 млрд активных параметров при общей емкости 125 млрд, что потенциально снижает вычислительные расходы по сравнению с полностью активными моделями сопоставимого размера. Риск — экспериментальный статус архитектуры и отсутствие независимых измерений скорости, качества и требований к оборудованию; перед внедрением следует провести проверку на собственных данных и рассчитать стоимость инфраструктуры. Цена официального API в USD за 1M токенов для этой версии не опубликована.
Хроника Qwen3.8-Flash-Next
Qwen3.8-Flash-Next вышла с открытыми весами
Qwen опубликовала веса Qwen3.8-Flash-Next на Hugging Face и ModelScope 2026-08-27. Это экспериментальная мультимодальная MoE-модель на 125 млрд параметров, из которых при работе задействуются 6 млрд; собственный контекст составляет 262 144 токена с заявленной возможностью расширения до 1 млн. По данным Qwen, модель набрала 62,5 на SWE-bench Pro и 58,7 на DeepSWE 1.1, однако независимых замеров пока нет. Веса распространяются по Qwen Community License 1.0.
Qwen3.8-Flash-Next вышла с открытыми весами и архитектурой Qwen4
Alibaba Qwen выпустила открытые веса Qwen3.8-Flash-Next 2026-08-26. Модель сочетает основную часть на 125B параметров и N-gram embeddings на 51B, при работе активируются 6B параметров на токен. Нативный контекст составляет 262 144 токена, расширение до 1M доступно через YaRN. Все показатели производительности опубликованы вендором, независимых замеров пока нет.
Qwen3.8-Flash-Next стала доступна с открытыми весами
Alibaba Qwen опубликовала веса Qwen3.8-Flash-Next на Hugging Face 2026-08-26. Репозиторий содержит модель объёмом 180B параметров и лицензию Qwen Community License 1.0. Модель работает с текстом, кодом и изображениями; заявлена поддержка Transformers, vLLM и SGLang. Это экспериментальная версия архитектуры, которую Qwen связывает с будущей линейкой Qwen4; независимых замеров скорости и качества пока нет.
Alibaba Qwen выпустила открытую модель Qwen3.8-Flash-Next
Alibaba Qwen опубликовала веса Qwen3.8-Flash-Next — экспериментальной модели с 125 млрд параметров, из которых 6 млрд задействуются при обработке запроса. Модель работает с текстом, программным кодом, изображениями и видео, а базовый контекст составляет 262 144 токена. По данным вендора, архитектура станет основой будущего семейства Qwen4; независимых замеров производительности пока нет.