Alibaba Cloud80B/3B active~49 GB VRAM przy Q4_K_M

Qwen3-Coder-Next (80B-A3B MoE) — VRAM, szybkość i lokalna konfiguracja

Name: LLM Configurator — GPU VRAM Checker
Author: LLM Configurator

Autor: Jakub Rusinowski · Ostatnia aktualizacja: 29 września 2026

Qwen's efficiency-first coder, released as Qwen3-Coder-Next: 80B total with 3B active parameters per token, built on the hybrid-attention Qwen3-Next-80B-A3B base (most layers keep no KV cache, so long context is cheap). All 80B parameters must sit in memory, so it needs a 64 GB-class machine at Q4; only the 3B active experts are read per token, which keeps decoding fast. Apache 2.0, 256K context. Published SWE-bench figures disagree between sources, so none is quoted here.

Qwen3-Coder-Next (80B-A3B MoE) potrzebuje około 49 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV. Na Apple Silicon ta wartość pochodzi z pamięci zunifikowanej.

Logika88

Kreatywność72

Kod96

VRAM i szybkość według kwantyzacji

Liczone dla NVIDIA RTX 4090 (24 GB). Obejmuje pamięć podręczną KV przy kontekście 8K, więc wartości są wyższe niż główna liczba.

Kwant.	VRAM	Szybkość (szac.)	Dopasowanie
Q2_K 2.63 bpw	27.4 GB	~40 tok/s	Częściowo w RAM
Q3_K_M 3.41 bpw	35.2 GB	~36 tok/s	Częściowo w RAM
Q4_K_M 4.83 bpw	49.4 GB	~31 tok/s	Częściowo w RAM
Q5_K_M 5.67 bpw	57.8 GB	—	Za duży
Q6_K 6.56 bpw	66.7 GB	—	Za duży
Q8_0 8.50 bpw	86.1 GB	—	Za duży
F16 16.00 bpw	161.1 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-Coder-Next (80B-A3B MoE) →

Uruchom Qwen3-Coder-Next (80B-A3B MoE)

Najtańsze GPU z naszego katalogu, które uruchomi Qwen3-Coder-Next (80B-A3B MoE), to NVIDIA DGX Spark (128 GB).

Kup ten sprzęt NVIDIA DGX Spark (128GB) — 128 GB VRAM · 150 W board power Uruchom w chmurze NVIDIA A100 80GB w RunPod — od $1.39/godz. · stawka sprawdzona 2026-07

lub porównaj w Vast.ai od $0.77/godz. (typical low · varies)

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

Ujawnienie afiliacyjne: Niektóre odnośniki na tej stronie to linki afiliacyjne — jeśli dokonasz zakupu za ich pośrednictwem, LLM Configurator może otrzymać prowizję bez dodatkowych kosztów dla Ciebie. Jako uczestnik programu Amazon Associates, LLM Configurator zarabia na kwalifikujących się zakupach.

NVIDIA DGX Spark (128GB)

128 GB VRAM · 150 W board power

Ceny w 2026 są niestabilne — sprawdź aktualną ofertę.

Sprawdź cenę na Amazon

Jak uruchomić Qwen3-Coder-Next (80B-A3B MoE)

Zainstaluj Ollama, a potem uruchom:

$ollama run qwen3-coder:80b-a3b-q4

Wagi na Hugging Face: Qwen/Qwen3-Coder-Next ↗

Specyfikacja

Curated — A hand-written entry from before this catalogue recorded its sources. The figures are long-standing but their provenance is not on file.

Parametry: 80 Billion (3B active)
Okno kontekstu: 262,144
Architektura: MoE (hybrid attention)
Dostawca: Alibaba Cloud
Licencja: Apache 2.0
Practical deployment: Workstation (large unified memory or pro GPU)
Określono przy: Q4_K_M
RAM systemowy: 32 GB
Rekord zaktualizowany: 2026-09-29

LicencjaApache-2.0Użycie komercyjne dozwolone

Commercial use permitted. No usage restrictions beyond attribution.

Jakość i zastosowania

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

Najlepszy docodingagentsswe benchrepo tasks

Czy uruchomię Qwen3-Coder-Next (80B-A3B MoE) na moim GPU?

Inne rozmiary Qwen3-Coder

Qwen3-Coder-Next (80B-A3B MoE) — najczęściej zadawane pytania

How much VRAM does Qwen3-Coder-Next (80B-A3B MoE) need?

About 49 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-Coder-Next (80B-A3B MoE) run on an RTX 4090 (24 GB)?

No. Qwen3-Coder-Next (80B-A3B MoE) needs about 49 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-Coder-Next (80B-A3B MoE) locally?

Install Ollama and run `ollama run qwen3-coder:80b-a3b-q4`. That pulls the weights and starts a local OpenAI-compatible endpoint; after the download nothing leaves the machine.

What other sizes does Qwen3-Coder come in?

Qwen3-Coder 8B (6 GB), Qwen3-Coder 30B-A3B (MoE) (19 GB), Qwen3-Coder-Next (80B-A3B MoE) (49 GB), Qwen3-Coder 480B-A35B (MoE) (291 GB). Every size shares the family's training and licence; the larger ones score higher and need proportionally more memory.