Qwen3.5 0.8B (Q4_K_M) — 7.8 GBen NVIDIA RTX 4080
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 Q4_K_M (nivel de calidad medium), el modelo pesa 0.5 GB. Esto cabe dentro de los 16 GB de VRAM de NVIDIA RTX 4080, lo que permite la inferencia completa en GPU.
La NVIDIA GeForce RTX 4080 es una GPU de consumo con 16 GB de GDDR6X VRAM y 717 GB/s de ancho de banda de memoria. Ofrece 48.7 FP16 TFLOPS, proporcionando un rendimiento solido para la inferencia LLM local en modelos de tamano medio. Maneja modelos cuantizados de hasta 13B parametros de forma eficaz. Una buena opcion para desarrolladores que buscan rendimiento Ada Lovelace a un precio mas accesible.
Requisitos de Hardware
| Tamaño del modelo | 0.5 GB |
| VRAM disponible | 16 GB |
| VRAM utilizada | 7.8 GB |
| RAM del sistema | |
| RAM mín. requerida | 0 GB |
| Capas GPU | 24 / 24 |
| Tamaño del contexto | 262.144 |
| Backend | cuda13 |
| Flash attention | Sí |
| Lectura desde disco | Sí |
Despliegue
Prerrequisitos
Asegúrese de que sus nodos GPU estén preparados con el NVIDIA container toolkit:
ansible-playbook prositronic.infra.nvidia_container_toolkitComando
helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/qwen3-5-0-8b/q4_k_m/nvidia-rtx4080.yaml) applyArchivo values.yaml
/values/qwen3-5-0-8b/q4_k_m/nvidia-rtx4080.yaml
Cargando valores…Preguntas frecuentes
¿Cuánta VRAM necesita Qwen3.5 0.8B (Q4_K_M)?
La cuantización Q4_K_M de Qwen3.5 0.8B requiere 0.5 GB. Las 24 capas caben en los 16 GB de VRAM disponibles en NVIDIA RTX 4080, permitiendo aceleración GPU completa.
¿Puedo ejecutar Qwen3.5 0.8B en NVIDIA RTX 4080?
Sí. NVIDIA RTX 4080 proporciona 16 GB de VRAM, suficiente para ejecutar Qwen3.5 0.8B (Q4_K_M) con todas las capas en la GPU para un rendimiento óptimo.
¿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. Q4_K_M comprime Qwen3.5 0.8B de su tamaño original a 0.5 GB.
¿Qué cuantización debo elegir para Qwen3.5 0.8B?
Q4_K_M es una cuantización de calidad media. 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.
¿Qué es flash attention y por qué está activado?
Flash attention es un algoritmo eficiente en memoria que acelera el mecanismo de atención en modelos transformer. Reduce el uso de VRAM durante la inferencia evitando la materialización de la matriz de atención completa. Para Qwen3.5 0.8B en NVIDIA RTX 4080, flash attention está activado para maximizar la longitud de contexto y el rendimiento dentro de los 16 GB de VRAM disponibles.
¿Cómo ejecutar Qwen3.5 0.8B (Q4_K_M) con Ollama?
Ejecute ollama run qwen3.5:0.8b-q4_k_m para iniciar Qwen3.5 0.8B (Q4_K_M). Ollama descarga automáticamente los pesos del modelo en la primera ejecución.