Ile pamięci potrzebuje Qwen3 Coder Next?

Około 45 GB na wagi (4-bit) plus miejsce na kontekst: łącznie 48,6 GB. Na Macu oznacza to 96 GB pamięci zunifikowanej lub więcej, bo macOS domyślnie pozwala GPU używać około 75% pamięci.

Jak szybko działa Qwen3 Coder Next na Macu?

Szybkość generowania zależy od przepustowości pamięci. Najszybszy Mac dla tego modelu to M5 Ultra z 96 GB: około 225–400 tokenów na sekundę (6-bit). Najmniejszy Mac, który go uruchomi, M5 Ultra z 96 GB, osiąga około 225–400.

Dlaczego Qwen3 Coder Next działa szybciej, niż wskazuje jego rozmiar?

To model mixture-of-experts: trzyma w pamięci 80B parametrów, ale dla każdego tokenu odczytuje tylko 3B, więc generuje z szybkością znacznie mniejszego modelu.

Czy Mac uruchomi Qwen3 Coder Next? Pamięć i szybkość

Pamięć przy każdej precyzji

Wersja	Wagi	Z kontekstem	Najmniejszy 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 niższa jakość	35 GB	37,8 GB	64 GB
2-bit niższa jakość	25 GB	27 GB	36 GB

Na każdym układzie Apple

Najmniejsza pamięć każdego układu, na której działa Qwen3 Coder Next, najlepsza wersja, która się mieści, i spodziewana szybkość generowania.

Układ	Potrzebuje	Wersja	Tokeny/s
M6	32 GB	2-bit Ledwo się mieści	85–151
M5 Ultra	96 GB	6-bit Działa dobrze	225–400
M5 Max	128 GB	8-bit Działa dobrze	86–154
M5 Pro	48 GB	2-bit Działa dobrze	154–273
M5	32 GB	2-bit Ledwo się mieści	77–136
M4 Max	128 GB	8-bit Działa dobrze	77–137
M4 Pro	48 GB	2-bit Działa dobrze	137–243
M4	32 GB	2-bit Ledwo się mieści	60–107
M3 Ultra	96 GB	6-bit Działa dobrze	154–273
M3 Max	96 GB	6-bit Działa dobrze	56–100
M3 Pro	36 GB	2-bit Działa dobrze	75–133
M3	żaden rozmiar nie pasuje	Za duży	–
M2 Ultra	128 GB	8-bit Działa dobrze	113–200
M2 Max	96 GB	6-bit Działa dobrze	75–133
M2 Pro	32 GB	2-bit Ledwo się mieści	100–178
M2	żaden rozmiar nie pasuje	Za duży	–
M1 Ultra	128 GB	8-bit Działa dobrze	113–200
M1 Max	64 GB	3-bit Działa dobrze	138–246
M1 Pro	32 GB	2-bit Ledwo się mieści	100–178
M1	żaden rozmiar nie pasuje	Za duży	–

Jak go uruchomić

Najprościej: pobierz MLX Harness, za darmo i z otwartym kodem. Wyszukaj Qwen3 Coder Next, pobierz wersję pasującą do Twojego Maca i rozmawiaj. Aplikacja udostępnia też model innym Twoim aplikacjom przez API zgodne z OpenAI.Pobierz MLX HarnessZa darmo · Apple Silicon · macOS 14.5 lub nowszy
W Terminalu z MLX od Apple:pip install mlx-lmmlx_lm.chat --model mlx-community/Qwen3-Coder-Next-4bitWersja: mlx-community/Qwen3-Coder-Next-4bit na Hugging Face. Obok znajdziesz inne precyzje.

Krok po kroku: pobierz i uruchom LLM na Macu · jak używać MLX Harness · MLX, Ollama i llama.cpp

O modelu Qwen3 Coder Next

Twórca	Qwen (Alibaba)
Parametry	80B łącznie · 3B aktywnych (mixture of experts)
Kontekst	tokeny: 256K
Licencja	Apache-2.0
Wydany	2026-01
Wejście	Tekst
Inteligencja	9,2 w Artificial Analysis Intelligence Index
Wagi	Qwen/Qwen3-Coder-Next

Pytania

Ile pamięci potrzebuje Qwen3 Coder Next?: Około 45 GB na wagi (4-bit) plus miejsce na kontekst: łącznie 48,6 GB. Na Macu oznacza to 96 GB pamięci zunifikowanej lub więcej, bo macOS domyślnie pozwala GPU używać około 75% pamięci.
Jak szybko działa Qwen3 Coder Next na Macu?: Szybkość generowania zależy od przepustowości pamięci. Najszybszy Mac dla tego modelu to M5 Ultra z 96 GB: około 225–400 tokenów na sekundę (6-bit). Najmniejszy Mac, który go uruchomi, M5 Ultra z 96 GB, osiąga około 225–400.
Dlaczego Qwen3 Coder Next działa szybciej, niż wskazuje jego rozmiar?: To model mixture-of-experts: trzyma w pamięci 80B parametrów, ale dla każdego tokenu odczytuje tylko 3B, więc generuje z szybkością znacznie mniejszego modelu.

Podobne modele

Wszystkie modele · Wszystkie Maki · Porównaj swojego Maca

Do karty modelu lub README

Pokazuje najmniejszego Maca, na którym Qwen3 Coder Next działa dobrze, i prowadzi tutaj.

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

Jak to liczymy

Pamięć: parametry modelu przy 8, 6, 4, 3 lub 2 bitach na wagę plus skale grup MLX (pół bita na wagę) albo jego natywny format, a do tego miejsce na kontekst. Domyślnie macOS pozwala GPU używać około 75% pamięci zunifikowanej. Szybkość: przepustowość pamięci podzielona przez liczbę bajtów odczytywanych na token to górna granica dla jednej rozmowy; w publicznych testach llama.cpp na Apple Silicon rzeczywiste uruchomienia osiągają od około 45% do 80% tej wartości i właśnie ten zakres pokazujemy. To szacunki, nie pomiary: zmierz swojego Maca w MLX Bench. Dane modeli pochodzą z oficjalnych kart modeli, dane układów ze specyfikacji technicznych Apple. Sprawdzono 2026-10-19. Te same dane co na mlx.app/compare.