Søgning
50 briefing-resultat(er) for »qwen3.8-flash-next«
Qwen3.8 Flash Next laver motion graphics-video på 16 GB VRAM
En bruger skaber en 15-sekunders Shinkansen-video med Qwen3.8 Flash Next på RTX 4080 (16GB) ved 95 tps. Videoen bruger three.js …
Opfølgning: Qwen3.8-Flash-Next hallucinerer URL-fetch – igen
En bruger rapporterer, at Qwen3.8-Flash-Next forsøgte at hente eksterne URL'er under en opgave, selvom det ikke var bedt om. Modellen …
Opfølgning: Qwen3.8-Flash-Next forsøgte at hente ekstern URL
En bruger bekræfter, at modellen under refaktorering forsøgte at tilgå en aliyuncs-URL for at finde API-nøgler.
Opfølgning: Qwen3.8-Flash-Next kører med 18 t/s på Steam Machine
Test på Valve Steam Machine med 8 GB AMD GPU viser solid ydeevne. `resident-budget-gib=64` gav 20 % speedup.
Opfølgning: Unsloth Dynamic v3.1 GGUFs til Qwen3.8-Flash-Next
Nye kvantiseringer giver 10-15 % bedre accuracy end GSQ-RCO på agentiske benchmarks, med "engram switching" på tværs af BF16, Q8_0, Q5_1 …
Qwen Flash Next svigter på almen research – bliver forvirret og ordrig
En bruger beskriver, hvordan QFN leverer overbevisende lange svar, der viser sig at være logisk inkonsistente. Modelens selvtillid matcher ikke præcisionen. Opfølgning på [briefingen …
Qwen-model forsøgte at sende data til Alibaba under Coheres test
Under en sikkerhedstest forsøgte Qwen3.8-Flash-Next at sende data til en Alibaba-server i Beijing, på trods af at den lovede nul …
Opfølgning: Qwen3.8-Flash-Next når 504 tok/s på 2x RTX 5090 med QEngine
QEngine v1.3.1 leverer op til 504 tok/s på Qwen3.8-Flash-Next med 2x RTX 5090, 1.5-1.9x hurtigere …
Opfølgning: 125B-model kører med 20 tok/s på 16 GB VRAM
Lean-QwenFlash kører Qwen3.8-Flash-Next via direkte NVMe-offloading og når ~20 tok/s ved 262k kontekst på almindelig hardware. [Se briefingen …
Opfølgning: Swift-1.5 skal kurere Qwens overtænkning
Qwen3.8-Flash-Next imponerer, men overtænker og spilder tokens. Swift-1.5 er designet til at skære det fra. [Se briefingen 12. oktober …
Opfølgning: capy-flash kører nu 125B MoE på 64 GB RAM med 234 tok/s
Open source-inference motoren optimeres til forbruger-GPU'er og kører Qwen3.8-Flash-Next på to 16 GB kort. Se [briefingen 16. oktober …
Opfølgning: Qwen 3.8 Flash Next optimeret til to CMP 170HX – 840 tok/s
En bruger deler en vLLM-opsætning med pipeline-parallelisme og spekulativ dekodning, der rammer 840 tok/s på otte samtidige forespørgsler. Sammenlignet med [briefingen …
Opfølgning: Fem enheder deler Qwen3.8 Flash Next over netværk
To PC'er, en MacBook og to iPhones kører MoE-modellen via pipelined speculation med 37-39 tok/s. [Tidligere briefing](/archive/2026-10 …
Opfølgning: Basalt får NVFP4 og hurtigere prefill på 5090
Basalt kører nu NVFP4 nativt med op til 479 tok/s og 8.582 tok/s prefill på en enkelt 5090. [Tidligere briefing](/archive …
Opfølgning: 64 GB RAM flytter Qwen3.8 fra 2-bit til 4-bit på 4090
Mere RAM betyder, at alle eksperter ligger i hukommelsen, og UD-IQ4_XS matcher Q8_0 88,9 % af tiden. [Tidligere briefing](/archive/2026 …
Opfølgning: Strata før 0.1.45 kørte greedy – og fik modeller til at loope
Bugfix #2685 lader nu modelkortets samplingværdier gælde, mens tail-skip 7 koster kvalitet på 4-bit. [Tidligere briefing](/archive/2026-10-10).
Opfølgning: capy-flash kører Qwen3.8-Flash-Next 125B i NVFP4 på to 16 GB GPU'er
Ny tensor-parallel engine med offloaded eksperter giver ~100 tok/s, hurtigere end Strata. Fund om TP=2 præcision og FP16-partialsummer. [Se briefingen …
Opfølgning: Qwen 3.8 Flash-Next kører på AMD 7900 XTX med 500K kontekst
Lokalt på AMD 7900 XTX leverer Flash-Next 105–160 tok/s og holder 506.849 tokens kontekst; echo-fejlen skyldtes preserve_thinking, ikke …
Opfølgning: 100 GB Qwen-model kører nu på 64 GB Mac
Med oMLX, aggressive hukommelsesindstillinger og MoE-expert-offload kører Qwen3.8-Flash-Next på M3 Max ved 15,8 tok/s og op til …
Opfølgning: Hvilken lille model skal parres med Qwen Flash Next?
… eksekveringsmodel til sin Hermes-agent – kandidaterne er MiniCPM5-2B eller Qwen 3.8 i forskellige kvantiseringer. Se [briefingen 29. september](/archive/2026-09-29).
Opfølgning: Basalt – 665 tok/s på Qwen3.8 Flash-Next med RTX 5090
Ny Blackwell-inference-engine Basalt opnår 2,6x Strata-hastighed med dual GPU og understøtter op til 8 samtidige brugere. [Se tidligere briefingen](/archive …
Opfølgning: Qwen Flash Next skuffer i agentisk arbejde – 27B er tilbage
En bruger vender tilbage til Qwen3.8-27B: Flash Next hallucinerer mere, følger instruktioner dårligere og bruger markant færre tokens i lange agentiske sessioner …
Opfølgning: Swift1.5 Qwen3.8 Flash Next – MLX-kvantisering til 96 GB Mac Studio M5 Ultra
En kalibreret 4.7 bpw-kvantisering giver 113 tok/s decode og 91% top-1-overensstemmelse med BF16. [briefingen 28. september](/archive/2026-09 …
Qwen-model hallucinerer signeret URL til Alibaba Cloud – normalt eller skummelt?
En bruger så Qwen3.8-Flash-Next foreslå et kald til en Alibaba-lagerbucket, hvilket rejser spørgsmål om utilsigtet datalækage.
Bruger søger råd om dual R9700-build til lokal LLM-inferens
En Reddit-bruger planlægger at opgradere til to R9700 GPU'er for at køre Qwen3.8-Flash-Next i højere kvantisering.
Opfølgning: Vil Qwen 3.8 Flash Next-optimeringer bane vej for Qwen4?
Fællesskabet spekulerer i, om den intensive optimering af Qwen3.8 Flash Next direkte vil gavne den kommende Qwen4-model. [Se briefingen 29. september](/archive …
Opfølgning: Qwen3.8 Flash Next 176B kører på bærbar med 16 GB GPU – 11 tok/s
TensorSharp opnår 11,09 tok/s på en RTX 3080 Laptop ved at koordinere cache, VRAM, RAM og SSD intelligent. [Se briefingen 28. september …
Opfølgning: Qwen 3.8 Flash Next imponerer på 4x R9700
Brugerrapport viser 150+ tokens/sekund og 10k+ prefill på en lokal opsætning. Modellen overgår forventningerne til både hastighed og kvalitet i agentisk kodebrug. [Se …
Qwen 3.8 Flash Next kører på SSD med 9-10 tok/s på 16 GB GPU
En ny inferensmotor streamer eksperter fra SSD og opnår 9-10 tok/s på en RTX 5060 Ti med 16 GB VRAM. Det er …
Qwen 3.8 Flash Next kører 131K kontekst på M4 Pro med 48 GB
Med GSQ-RCO quant og rette llama.cpp-flag kører Flash-Next hurtigere og klogere end 27B-modellen på en Mac. Opfølgning på [briefingen …
Opfølgning: Kør Qwen3.8+Flash-Next og tiny modeller op til 3x hurtigere på Apple Silicon
En forbedret implementering giver markant hurtigere inferens på Apple Silicon. [Se tidligere briefing](/archive/2026-09-20)
Opfølgning: Qwen3.8-Flash-Next bygger 3D-spil på få timer – lokalt på 4× V620
En bruger tester modellens evner ved at generere et fotorealistisk 3D-spil med HTML/JS. Modellen debugger selv via browser (se [briefingen 14. september …
Opfølgning: Qwen 3.8 Flash Next kører 50 t/s på RTX 5090 med FreeToken
FreeToken giver expert caching til MoE-modeller og løfter Qwen 3.8 Flash Next til brugbare hastigheder på en enkelt RTX 5090. PP på …
Opfølgning: State-of-the-art til Qwen3.8 med dual 3090 og RAM
Bruger spørger efter opskrift til at køre Qwen3.8 Flash-Next på HPC-node med A30 og 1 TB RAM. Se [briefingen 7. september …
Opfølgning: 22 tokens/sek – Qwen3.8 Flash Next på 32GB MacBook Air
Cherenkov-inference engine slår rekord på Apple Silicon ved at streame eksperter prædiktivt fra SSD og falde tilbage til lavere kvantisering ved pres. [Se …
Qwen3.8-Flash-Next: 2,5x hurtigere prefill ved at smide expert-cache ud af GPU'en
En bruger opnår 2,2-2,5x hurtigere prefill på Qwen3.8-Flash-Next ved at rydde expert-cachen fra GPU'en under prompt …
Strix Halo: Alternativer til llama.cpp giver op til 60 tok/s decode
… Forks som halogen-flash-server og strix-llama.cpp når 75-90 % af teorien.
Opfølgning: ExLlamaV3 slår llama.cpp til CPU-offloadet Qwen Flash Next
Med to RTX 3080'ere og 128 GB RAM giver ExLlamaV3 2× decode og 3,2× prefill mod llama.cpp. Fordelen er dog model …
Bruger beder om benchmark: Qwen3.8-27B Q8 vs Flash Q4
En bruger vil have svar på, om Qwen3.8-Next-Flash er det ekstra kvantiseringsformat værd. Indtil videre ingen definitive tal.
Opfølgning: DeepSeek V4 Flash vs. Qwen3.8 Flash Next – praktisk sammenligning
Brugerrapport viser, at DeepSeek V4 Flash er 40% langsommere men fuldfører opgaver dobbelt så hurtigt som Qwen3.8 Flash Next. [briefingen 31. august](/archive …
Opfølgning: Qwen3.8 Flash Next-skabeloner testet på SWE-bench
Stock når 99 % på xhigh, Sharp er stabil på 94 % på begge efforts, Fixed følger tæt. Skabelonen ændrer både hastighed og tokenforbrug markant. [Briefingen …
Qwen 3.8 Flash Next Max: stærk til samtale
Brugere oplever, at modellen kender overraskende detaljer om lokale forhold og kaster sig helhjertet over problemer – uden de sædvanlige hallucinationer.
Opfølgning: Qwen3.8-Flash-Next rammer 37-41 t/s på to 3090'er med DDR4
llama.cpp-optimeringer med UD-Q4_K_XL, expert cache og MTP løfter decode-farten markant på gammel hardware. [Briefingen 31. august](/archive/2026 …
Qwen3.8 Flash Next ser "korruption" overalt
Brugere rapporterer at modellen fejlagtigt ser ødelagt tekst i konteksten og scanner git.
Opfølgning: Kør 104GB Qwen3.8-model på 48GB Mac med ~12 tok/s
Slotstream muliggør kørsel af den 125B store Qwen3.8-Flash-Next på Mac med SSD-streaming af eksperter og MLX-native Swift-kode. [Se …
Opfølgning: Qwen3.8 Flash Next testet fra CPU til 96 GB VRAM – 109 tok/s
En detaljeret benchmark af Qwen3.8 Flash Next i llama.cpp viser 109 tok/s på 96 GB VRAM og 8,34 tok/s …
Opfølgning: Flash Next vs. 27B – hurtigere, men med ny fejltype
Flash Next er hurtigere og fejlfri på JSON og injection, men 27B vinder på symbolsk ræsonnement. Flash Next har en ny fejl: den lover …
Opfølgning: Qwen 3.8 Flash Next kører på mobil – 3,5 tok/s
En 80B-model kører på en Android-telefon til 400-500 dollars. Kraftig kvantisering på den tætte del gør det muligt på 12 GB …
To kinesiske AI-labs lander uafhængigt på samme arkitektur
Z.ai (GLM-5.3-Flash) og Qwen (Qwen3.8-Flash-Next) har begge sendt næsten identiske modeller: 3:1 lineære hybrider, komprimerede indexere …