通义千问官方确认，125B 多模态 MoE 模型 Qwen3.8-Flash-Next 已可通过 Unsloth GGUF 在约 75GB 内存上本地运行，并支持把 N-gram 嵌入放到 CPU/统一内存以接近显存速度。这是 Qwen4 架构预览权重的首日本地部署路径。

核心要点速览

  • ✓125B MoE（每 token 激活 6B，另有 51B N-gram 嵌入）可在约 75GB RAM 上本地推理，无需整模装进 GPU 显存
  • ✓Unsloth 提供 Day-0 GGUF 与 Qwen3.8-Flash-Next 指南，CPU RAM / 统一内存路径可接近显存吞吐
  • ✓官方权重同步在 Hugging Face / ModelScope；vLLM 与 SGLang 已提供 NVIDIA 与 AMD Day-0 服务支持
⚡

开发者 3 秒速决决策指标

一眼结论
🏆 权威跑分段位榜单
对照天梯榜看实测排名
查看天梯总榜→
💰 调用成本与套餐比价
输入 $2 / 输出 $6
查可用套餐与测算↗
🛠️ 开发与接入生态Rules
Cline (VS Code Agent) · Continue · Aider
配置 IDE 专属规则↗
🧭

把技术选型换算成你的开发预算

40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟

⚔️ 模型战力比拼→💰 比较订阅与额度↗
实战指南准备好将技术转化为生产力？

即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。

⚔️ 开始双模型比拼→💳 查看可用套餐↗
接着读Qwen3.8-Flash 开源：6B 激活斩获 SWE-bench Pro 62.5，预览 Qwen4 架构
立即阅读→