Qwen3.5 0.8B (Q3_K_M)en CPU Only
Descripción General
Qwen3.5 0.8B es un modelo de lenguaje dense de 0.87B parámetros de Qwen, con capacidades de code, multilingual, thinking, tool-calls, vision. Admite una ventana de contexto de hasta 262,144 tokens.
Qwen3.5 0.8B es el modelo más pequeño de la familia Qwen 3.5 de Alibaba con arquitectura híbrida Gated Delta Networks y 870 millones de parámetros, diseñado para teléfonos, dispositivos edge y entornos con recursos extremadamente limitados. Es nativamente multimodal, procesando texto, imágenes y vídeo, con capacidades de razonamiento integradas para inferencia « chain-of-thought ». El modelo soporta una ventana de contexto de 262K y cubre más de 201 idiomas. Publicado bajo licencia Apache 2.0, se cuantiza a menos de 1 GB de VRAM en Q4, siendo ideal para clasificación y tareas simples en despliegue autoalojado.
Con cuantización Q3_K_M (nivel de calidad low), el modelo pesa 0.44 GB. Esto excede los 0 GB de VRAM de CPU Only. La inferencia sigue siendo posible mediante descarga a CPU o carga mapeada en memoria desde disco, pero con un rendimiento significativamente reducido.
Una configuracion solo CPU sin aceleracion GPU. La inferencia se ejecuta completamente en la CPU, lo que es significativamente mas lento que las configuraciones con GPU, pero no requiere hardware especializado. El rendimiento y el tamano maximo del modelo dependen de la RAM disponible. Adecuada para pruebas, desarrollo o despliegues donde no hay GPU disponible.
Requisitos de Hardware
| Tamaño del modelo | 0.44 GB |
| VRAM disponible | 0 GB |
| VRAM utilizada | 0 GB |
| RAM del sistema | |
| RAM mín. requerida | 0.4 GB |
| Capas GPU | 0 / 24 |
| Tamaño del contexto | 262.144 |
| Backend | cpu |
| Flash attention | No |
| Lectura desde disco | Sí |
Notas de rendimiento
Despliegue
Comando
helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/qwen3-5-0-8b/q3_k_m/cpu.yaml) applyArchivo values.yaml
/values/qwen3-5-0-8b/q3_k_m/cpu.yaml
Cargando valores…Preguntas frecuentes
¿Cuánta VRAM necesita Qwen3.5 0.8B (Q3_K_M)?
La cuantización Q3_K_M de Qwen3.5 0.8B requiere 0.44 GB. Los 0 GB de VRAM de CPU Only son insuficientes para las capas GPU, por lo que la inferencia se ejecuta en el CPU.
¿Puedo ejecutar Qwen3.5 0.8B en CPU Only?
Es posible pero no recomendado. CPU Only no tiene suficiente VRAM para acelerar Qwen3.5 0.8B (Q3_K_M), por lo que la inferencia dependerá del CPU y la RAM del sistema.
¿Qué es la cuantización?
La cuantización reduce la precisión numérica de un modelo de su formato original de punto flotante a una representación más compacta. Esto reduce el tamaño del archivo y la huella de VRAM, haciendo posible ejecutar modelos grandes en hardware de consumo. La contrapartida es una pequeña reducción en la calidad de salida. Q3_K_M comprime Qwen3.5 0.8B de su tamaño original a 0.44 GB.
¿Qué cuantización debo elegir para Qwen3.5 0.8B?
Q3_K_M es una cuantización de baja calidad. Los quants de mayor calidad (Q8, Q6) preservan más precisión del modelo pero necesitan más VRAM. Los quants inferiores (Q4, Q3, Q2) reducen el uso de VRAM a costa de cierta calidad. Elija según su hardware disponible y requisitos de calidad.
¿Por qué se descargan algunas capas al CPU?
CPU Only tiene 0 GB de VRAM, pero Qwen3.5 0.8B (Q3_K_M) requiere aproximadamente 0.44 GB. Solo 0 de 24 capas caben en la VRAM; las capas restantes se ejecutan en el CPU, que es más lento pero funcional.
¿Cómo ejecutar Qwen3.5 0.8B (Q3_K_M) con Ollama?
Ejecute ollama run qwen3.5:0.8b-q3_k_m para iniciar Qwen3.5 0.8B (Q3_K_M). Ollama descarga automáticamente los pesos del modelo en la primera ejecución.