Alibaba Cloud2.4T/95B active~1450 GB VRAM przy Q4_K_M

Qwen3.8-Max — VRAM, szybkość i lokalna konfiguracja

Autor: Jakub Rusinowski · Ostatnia aktualizacja: 6 września 2026

2.4 trillion parameters with roughly 95B active per token. Shipped as a service on 3 August 2026 with open weights following on 12 August under a model-specific Qwen3.8-Max licence, not Apache. Cluster-class self-hosting — about 1.45 TB at Q4_K_M — so for almost everyone this is an API model; it is listed here so the hardware checker can say so rather than stay silent.

Qwen3.8-Max potrzebuje około 1450 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV. Na Apple Silicon ta wartość pochodzi z pamięci zunifikowanej.

Logika96

Kreatywność93

Kod95

VRAM i szybkość według kwantyzacji

Liczone dla NVIDIA RTX 4090 (24 GB). Tylko wagi i narzut: architektura tego modelu nie jest opublikowana, więc nie doliczamy pamięci KV.

Kwant.	VRAM	Szybkość (szac.)	Dopasowanie
Q2_K 2.63 bpw	789.8 GB	—	Za duży
Q3_K_M 3.41 bpw	1023.8 GB	—	Za duży
Q4_K_M 4.83 bpw	1449.8 GB	—	Za duży
Q5_K_M 5.67 bpw	1701.8 GB	—	Za duży
Q6_K 6.56 bpw	1968.8 GB	—	Za duży
Q8_0 8.50 bpw	2550.8 GB	—	Za duży
F16 16.00 bpw	4800.8 GB	—	Za duży

Czarny znacznik = dostępna pamięć na NVIDIA RTX 4090 (24 GB). Szacunki z modelu przepustowości pamięci opisanego na stronie metodologii. Kalkulator VRAM dla Qwen3.8-Max →

Uruchom Qwen3.8-Max

Qwen3.8-Max is not practical on a single consumer GPU: it needs about 1449.8 GB at Q4_K_M, more than any single device in our catalogue holds with headroom. How multi-GPU inference works, or rent a multi-GPU server by the hour:

Uruchom w chmurze RunPod

lub porównaj w Vast.ai

Jako partner Amazon zarabiamy na kwalifikujących się zakupach. Linki do chmurowych GPU są linkami polecającymi — możemy otrzymać prowizję bez dodatkowych kosztów dla Ciebie.

Jak uruchomić Qwen3.8-Max

Zainstaluj Ollama, a potem uruchom:

$ollama run qwen3-8

Wagi na Hugging Face: Qwen/Qwen3.8-2.4T-A95B ↗

Specyfikacja

Verified — Checked against the primary source — the model card or the vendor spec page — and corroborated by a second independent source.

Parametry: 2.4 Trillion (95B active)
Okno kontekstu: 262,144
Architektura: Mixture-of-Experts
Dostawca: Alibaba Cloud
Licencja: Qwen3.8-Max License (model-specific)
Practical deployment: Private cloud / datacenter cluster
Określono przy: Q4_K_M
RAM systemowy: 2048 GB
Rekord zaktualizowany: 2026-09-06

LicencjaCustom Open-WeightUżycie komercyjne dozwolone

Weights are downloadable and commercial use is permitted, subject to the licence’s acceptable-use terms.

Jakość i zastosowania

Wyniki opublikowane przez autorów modelu lub niezależnego oceniającego — jakość, nie przepustowość, i nie mierzone przez nas.

Najlepszy doreasoningenterprisecloud apiagentic tasks

Czy uruchomię Qwen3.8-Max na moim GPU?

Inne rozmiary Qwen3.8

Qwen3.8-Max — najczęściej zadawane pytania

How much VRAM does Qwen3.8-Max need?

About 1450 GB at Q4_K_M — quantized weights plus framework overhead, before any KV cache. The cache grows with context length and is added on top; the table above folds it in. Apple Silicon counts unified memory toward the same figure.

Does Qwen3.8-Max run on an RTX 4090 (24 GB)?

No. Qwen3.8-Max needs about 1450 GB at Q4_K_M, more than a single RTX 4090's 24 GB. It needs a larger card, several GPUs, or Apple Silicon with enough unified memory — or it runs with part of the weights offloaded to system RAM, which is much slower.

How do I run Qwen3.8-Max locally?

Install Ollama and run `ollama run qwen3-8`. That pulls the weights and starts a local OpenAI-compatible endpoint; after the download nothing leaves the machine.

What other sizes does Qwen3.8 come in?

Qwen3.8 27B (18 GB), Qwen3.8-Max (1450 GB), Qwen3.8-Flash-Next (109 GB). Every size shares the family's training and licence; the larger ones score higher and need proportionally more memory.