Qwen3.8-Flash-Next

判断

要在单台 DGX Spark 上挑本地模型的人，筛选标准得从算力换成显存：6B 激活让推理开销接近小模型，但权重仍要 72.5GB 起步，先算清显存余量再决定是否把它列为首选。

依据

Simon Willison 说这是 Qwen 又一个开放权重模型，属于多模态 MoE（Mixture of Experts，混合专家，每个 token 只调用其中一部分专家），并称它是 Qwen4 所用架构的早期预览。机制上，125B 总参数决定权重体积，6B 激活参数决定每次前向的计算量，两者分开，所以“参数小”指的是算得省，不等于占显存少。他在 DGX Spark 上试的是 Unsloth 的量化版本，两个档位分别是 72.5GB 的 UD-IQ1_S 和 78.9GB 的 UD-Q2_K_XL，并说目前最喜欢 UD-Q2_K_XL 里 xhigh 推理努力的那次输出。按这些数字，能跑起来靠的是量化把 125B 压进单机显存，而非 6B 这个激活数。