Mémoire à chaque précision
| Version | Poids | Avec contexte | Plus petit Mac |
|---|---|---|---|
| 8 bits | 191 GB | 207 GB | 512 GB |
| 6 bits | 146 GB | 158 GB | 256 GB |
| 4 bits | 101 GB | 109 GB | 192 GB |
| 3 bits qualité moindre | 78,8 GB | 85,1 GB | 128 GB |
| 2 bits qualité moindre | 56,3 GB | 60,8 GB | 96 GB |
Sur chaque puce Apple
Pour chaque puce, la plus petite capacité de mémoire qui fait tourner Qwen3.8 Flash Next, la meilleure version qui y tient et la vitesse d’écriture à attendre.
| Puce | Demande | Version | Tokens/s |
|---|---|---|---|
| M6 | aucune capacité ne suffit | Trop grand | – |
| M5 Ultra | 256 GB | 6 bits Tourne bien | 110–196 |
| M5 Max | 128 GB | 3 bits Tourne bien | 106–189 |
| M5 Pro | aucune capacité ne suffit | Trop grand | – |
| M5 | aucune capacité ne suffit | Trop grand | – |
| M4 Max | 128 GB | 3 bits Tourne bien | 95–168 |
| M4 Pro | aucune capacité ne suffit | Trop grand | – |
| M4 | aucune capacité ne suffit | Trop grand | – |
| M3 Ultra | 256 GB | 6 bits Tourne bien | 75–134 |
| M3 Max | 96 GB | 2 bits Tourne bien | 71–126 |
| M3 Pro | aucune capacité ne suffit | Trop grand | – |
| M3 | aucune capacité ne suffit | Trop grand | – |
| M2 Ultra | 192 GB | 4 bits Tourne bien | 106–188 |
| M2 Max | 96 GB | 2 bits Tourne bien | 95–168 |
| M2 Pro | aucune capacité ne suffit | Trop grand | – |
| M2 | aucune capacité ne suffit | Trop grand | – |
| M1 Ultra | 128 GB | 3 bits Tourne bien | 138–246 |
| M1 Max | aucune capacité ne suffit | Trop grand | – |
| M1 Pro | aucune capacité ne suffit | Trop grand | – |
| M1 | aucune capacité ne suffit | Trop grand | – |
Comment le faire tourner
- Le plus simple : téléchargez MLX Harness, gratuit et open source. Cherchez Qwen3.8 Flash Next, téléchargez la version adaptée à votre Mac, et discutez. MLX Harness met aussi le modèle à disposition de vos autres apps via une API compatible OpenAI.Télécharger MLX HarnessGratuit · Apple Silicon · macOS 14.5 ou version ultérieure
- Dans le Terminal avec MLX d’Apple :
pip install mlx-lmmlx_lm.chat --model mlx-community/Qwen3.8-Flash-Next-4bitVersion MLX : mlx-community/Qwen3.8-Flash-Next-4bit sur Hugging Face. Les autres précisions sont juste à côté.
Pas à pas : télécharger et exécuter des LLM sur Mac · utiliser MLX Harness · MLX, Ollama ou llama.cpp
À propos de Qwen3.8 Flash Next
| Créé par | Qwen (Alibaba) |
|---|---|
| Paramètres | 180B au total · 6B actifs (mixture-of-experts) |
| Contexte | 256K tokens |
| Licence | Qwen Community License 1.0 (qwen-community-1.0) |
| Sortie | 2026-08 |
| Entrée | Texte et images |
| Intelligence | 39,8 sur l’Artificial Analysis Intelligence Index |
| Poids | Qwen/Qwen3.8-Flash-Next |
Questions
- De combien de mémoire Qwen3.8 Flash Next a-t-il besoin ?
- Environ 101 GB de poids en 4 bits, plus de la place pour le contexte : 109 GB au total. Sur un Mac, il faut donc 192 GB de mémoire unifiée ou plus, car macOS laisse le GPU en utiliser environ 75 % par défaut.
- À quelle vitesse Qwen3.8 Flash Next tourne-t-il sur un Mac ?
- La vitesse d’écriture dépend de la bande passante mémoire. Ici, le Mac le plus rapide pour ce modèle est équipé d’une puce M5 Ultra avec 256 GB, à environ 110–196 tokens par seconde (6 bits). Le plus petit Mac qui le fait tourner, avec 192 GB, atteint environ 106–188 avec une puce M2 Ultra.
- Pourquoi Qwen3.8 Flash Next est-il plus rapide que sa taille ne le laisse penser ?
- C’est un modèle mixture-of-experts : il garde 180B paramètres en mémoire mais n’en lit que 6B pour chaque token, il écrit donc à la vitesse d’un modèle bien plus petit.
Modèles similaires
Pour votre fiche de modèle ou votre README
Affiche le plus petit Mac qui fait bien tourner Qwen3.8 Flash Next et renvoie vers cette page.
[](https://mlx.app/run/qwen3.8-flash-next)Comment c’est calculé
Mémoire : les paramètres du modèle à 8, 6, 4, 3 ou 2 bits par poids, plus les facteurs d’échelle par groupe de MLX (un demi-bit par poids), ou son format natif, avec en plus de la place pour le contexte. Par défaut, macOS laisse le GPU utiliser environ 75 % de la mémoire unifiée. Vitesse : la bande passante mémoire divisée par les octets lus pour chaque token donne le plafond pour une conversation ; dans les benchmarks Apple Silicon publics de llama.cpp, les exécutions réelles atteignent environ 45 % à 80 % de ce plafond, et c’est la fourchette affichée. Ce sont des estimations, pas des mesures : mesurez votre propre Mac sur MLX Bench. Chiffres des modèles tirés de chaque fiche officielle, chiffres des puces tirés des caractéristiques techniques d’Apple. Vérifié le 2026-10-19. Mêmes données que mlx.app/compare.