Gaano karaming memory ang kailangan ng Qwen3 Coder Next?

Mga 45 GB ng weights sa 4-bit, dagdag ang espasyo para sa context: 48.6 GB lahat-lahat. Sa Mac, ibig sabihin nito ay 96 GB na unified memory o higit pa, dahil bilang default, mga 75% nito ang ipinapagamit ng macOS sa GPU.

Gaano kabilis ang Qwen3 Coder Next sa Mac?

Nakadepende sa memory bandwidth ang bilis ng pagsusulat. Ang pinakamabilis na Mac para dito ay M5 Ultra na may 96 GB, sa mga 225–400 token bawat segundo (6-bit). Ang pinakamaliit na Mac na kaya ito, na may 96 GB, ay umaabot sa mga 225–400 sa M5 Ultra.

Bakit mas mabilis ang Qwen3 Coder Next kaysa sa inaasahan sa laki nito?

Isa itong mixture-of-experts na model: may 80B na parameter ito sa memory pero 3B lang ang binabasa nito sa bawat token, kaya nagsusulat ito sa bilis ng mas maliit na model.

Kaya ba ng Mac ang Qwen3 Coder Next? Memory at bilis

Memory sa bawat precision

Bersyon	Weights	Kasama ang context	Pinakamaliit na Mac
8-bit	85 GB	91.8 GB	128 GB
6-bit	65 GB	70.2 GB	96 GB
4-bit	45 GB	48.6 GB	96 GB
3-bit mas mababang kalidad	35 GB	37.8 GB	64 GB
2-bit mas mababang kalidad	25 GB	27 GB	36 GB

Sa bawat Apple chip

Ang pinakamaliit na memory size ng bawat chip na kaya ang Qwen3 Coder Next, ang pinakamagandang bersyong kasya rito, at ang bilis ng pagsusulat na maaasahan mo.

Chip	Kailangan	Bersyon	Token/s
M6	32 GB	2-bit Halos hindi kasya	85–151
M5 Ultra	96 GB	6-bit Maayos	225–400
M5 Max	128 GB	8-bit Maayos	86–154
M5 Pro	48 GB	2-bit Maayos	154–273
M5	32 GB	2-bit Halos hindi kasya	77–136
M4 Max	128 GB	8-bit Maayos	77–137
M4 Pro	48 GB	2-bit Maayos	137–243
M4	32 GB	2-bit Halos hindi kasya	60–107
M3 Ultra	96 GB	6-bit Maayos	154–273
M3 Max	96 GB	6-bit Maayos	56–100
M3 Pro	36 GB	2-bit Maayos	75–133
M3	walang kasyang size	Masyadong malaki	–
M2 Ultra	128 GB	8-bit Maayos	113–200
M2 Max	96 GB	6-bit Maayos	75–133
M2 Pro	32 GB	2-bit Halos hindi kasya	100–178
M2	walang kasyang size	Masyadong malaki	–
M1 Ultra	128 GB	8-bit Maayos	113–200
M1 Max	64 GB	3-bit Maayos	138–246
M1 Pro	32 GB	2-bit Halos hindi kasya	100–178
M1	walang kasyang size	Masyadong malaki	–

Paano ito patakbuhin

Ang madaling paraan: i-download ang MLX Harness, libre at open source. Hanapin ang Qwen3 Coder Next, i-download ang bersyong kasya sa Mac mo, at mag-chat. Ibinibigay rin nito ang model sa iba mo pang app sa pamamagitan ng API na compatible sa OpenAI.I-download ang MLX HarnessLibre · Apple Silicon · macOS 14.5 o mas bago
Sa Terminal gamit ang MLX ng Apple:pip install mlx-lmmlx_lm.chat --model mlx-community/Qwen3-Coder-Next-4bitBuild: mlx-community/Qwen3-Coder-Next-4bit sa Hugging Face. Katabi nito ang ibang precision.

Hakbang-hakbang: mag-download at magpatakbo ng LLM sa Mac · paano gamitin ang MLX Harness · MLX vs Ollama vs llama.cpp

Tungkol sa Qwen3 Coder Next

Gawa ng	Qwen (Alibaba)
Mga parameter	80B kabuuan · 3B aktibo (mixture of experts)
Context	256K token
Lisensya	Apache-2.0
Inilabas	2026-01
Input	Text
Intelligence	9.2 sa Artificial Analysis Intelligence Index
Weights	Qwen/Qwen3-Coder-Next

Mga tanong

Gaano karaming memory ang kailangan ng Qwen3 Coder Next?: Mga 45 GB ng weights sa 4-bit, dagdag ang espasyo para sa context: 48.6 GB lahat-lahat. Sa Mac, ibig sabihin nito ay 96 GB na unified memory o higit pa, dahil bilang default, mga 75% nito ang ipinapagamit ng macOS sa GPU.
Gaano kabilis ang Qwen3 Coder Next sa Mac?: Nakadepende sa memory bandwidth ang bilis ng pagsusulat. Ang pinakamabilis na Mac para dito ay M5 Ultra na may 96 GB, sa mga 225–400 token bawat segundo (6-bit). Ang pinakamaliit na Mac na kaya ito, na may 96 GB, ay umaabot sa mga 225–400 sa M5 Ultra.
Bakit mas mabilis ang Qwen3 Coder Next kaysa sa inaasahan sa laki nito?: Isa itong mixture-of-experts na model: may 80B na parameter ito sa memory pero 3B lang ang binabasa nito sa bawat token, kaya nagsusulat ito sa bilis ng mas maliit na model.

Mga katulad na model

Bawat model · Bawat Mac · Ihambing ang Mac mo

Para sa model card o README mo

Ipinapakita ang pinakamaliit na Mac na maayos na nagpapatakbo ng Qwen3 Coder Next at nagli-link dito.

[![Runs on a Mac](https://mlx.app/badge/run/qwen3-coder-next.svg)](https://mlx.app/run/qwen3-coder-next)

Paano ito kinuwenta

Memory: ang mga parameter ng model sa 8, 6, 4, 3 o 2 bit kada weight dagdag ang group scales ng MLX (kalahating bit kada weight), o ang native format nito, at may espasyo pa para sa context. Bilang default, mga 75% ng unified memory ang ipinapagamit ng macOS sa GPU. Bilis: ang memory bandwidth na hinati sa mga byte na binabasa kada token ang pinakamataas na posible para sa isang usapan; sa mga pampublikong benchmark ng llama.cpp sa Apple Silicon, umaabot ang totoong takbo sa mga 45% hanggang 80% nito, at iyon ang range na ipinapakita. Mga tantiya ito, hindi sukat: sukatin ang sarili mong Mac sa MLX Bench. Ang mga numero ng model ay mula sa opisyal na model card ng bawat isa, at ang sa chip ay mula sa Tech Specs ng Apple. Sinuri noong 2026-10-19. Parehong data ng mlx.app/compare.