Qwen3-Coder — lokalny model AI od Alibaba Cloud
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
Dedykowany model do kodowania Alibaby z lutego 2026. Wariant 80B-A3B używa rzadkiego projektu MoE (tylko 3B aktywnych parametrów) i przewyższa DeepSeek V3.2 (37B aktywnych), dorównując Claude Sonnet 4.5 na SWE-bench Pro. Najlepszy do kodowania na poziomie repozytoriów, debugowania i przeglądu kodu.
Warianty
Najmniejszy wariant Qwen3-Coder potrzebuje około 6 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV.
| Model | VRAM przy Q4 | VRAM | Kontekst | Uruchom |
|---|---|---|---|---|
| Qwen3-Coder 8B 8B | ~5.6 GB | 128,000 | ollama run qwen3-coder:8b | |
| Qwen3-Coder 30B-A3B (MoE) → 30.5B (3.3B active) | ~19.2 GB | 262,144 | ollama run qwen3-coder:30b | |
| Qwen3-Coder-Next (80B-A3B MoE) → 80B/3B active | ~49.1 GB | 262,144 | ollama run qwen3-coder:80b-a3b-q4 | |
| Qwen3-Coder 480B-A35B (MoE) → 480B/35B active | ~290.6 GB | 256,000 | ollama run qwen3-coder:480b-a35b |
Pamięć to skwantyzowane wagi plus narzut przy Q4_K_M, liczone tym samym silnikiem co sprawdzarka GPU i VRAM.
Jak uruchomić Qwen3-Coder lokalnie
Zainstaluj Ollama, a potem pobierz tag.
ollama run qwen3-coder:8bWybierz rozmiar powyżej, aby zobaczyć jego VRAM, szacowaną szybkość i polecenie instalacji.
Licencja
Commercial use permitted. No usage restrictions beyond attribution.
Dotyczy: Qwen3-Coder 8B, Qwen3-Coder 30B-A3B (MoE), Qwen3-Coder-Next (80B-A3B MoE), Qwen3-Coder 480B-A35B (MoE)Polecane GPU
Najtańsze GPU z naszego katalogu, które uruchomi Qwen3-Coder lokalnie (min. 6 GB VRAM), to Intel Arc B570 (10 GB).
Czy uruchomię Qwen3-Coder na moim GPU?
- Qwen3-Coder na AMD Radeon RX 9060 XT 8GB
- Qwen3-Coder na AMD Ryzen AI Max+ 395
- Qwen3-Coder na Apple M2 Max
- Qwen3-Coder na Apple M3 Ultra
- Qwen3-Coder na Intel Arc B570
- Qwen3-Coder na Intel Arc B580
- Qwen3-Coder na NVIDIA A100 80GB (PCIe)
- Qwen3-Coder na NVIDIA GeForce RTX 3060 (12GB)
- Qwen3-Coder na NVIDIA GeForce RTX 3070
- Qwen3-Coder na NVIDIA GeForce RTX 3070 Ti
- Qwen3-Coder na NVIDIA GeForce RTX 3080 (10GB)
- Qwen3-Coder na NVIDIA GeForce RTX 4060
- Qwen3-Coder na NVIDIA GeForce RTX 4070
- Qwen3-Coder na NVIDIA GeForce RTX 4070 Super
- Qwen3-Coder na NVIDIA GeForce RTX 4070 Ti
- Qwen3-Coder na NVIDIA GeForce RTX 5060
- Qwen3-Coder na NVIDIA GeForce RTX 5060 Ti 8GB
- Qwen3-Coder na NVIDIA GeForce RTX 5070
- Qwen3-Coder na NVIDIA H100 80GB (PCIe)
- Qwen3-Coder na NVIDIA RTX PRO 6000 Blackwell
Qwen3-Coder — najczęściej zadawane pytania
How much VRAM does Qwen3-Coder need?
Qwen3-Coder needs about 6 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: Qwen3-Coder 8B (6 GB, Q4_K_M); Qwen3-Coder 30B-A3B (MoE) (19 GB, Q4_K_M); Qwen3-Coder-Next (80B-A3B MoE) (49 GB, Q4_K_M); Qwen3-Coder 480B-A35B (MoE) (291 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.
Can I run Qwen3-Coder on an RTX 4090 (24 GB)?
Yes — Qwen3-Coder runs on an RTX 4090 (24 GB) and other 24 GB cards such as the RTX 3090. Smaller variants also fit comfortably on 8–16 GB GPUs at Q4_K_M.
What quantization should I use for Qwen3-Coder?
Q4_K_M is the best balance of quality and VRAM for Qwen3-Coder in most cases. Choose Q8_0 for near-lossless quality if you have spare VRAM, or smaller quants (Q3/Q2) only when memory is tight.
How do I run Qwen3-Coder with Ollama?
Install Ollama, then run: ollama run qwen3-coder:8b. This downloads Qwen3-Coder and starts a local, OpenAI-compatible endpoint — no internet connection is needed after the initial download.