Qwen3.5 0.8B (Q4_K_S) — 7.8 GBen NVIDIA RTX 3080

Code Multilingual Thinking Tool Calls Vision

Q4_K_S NVIDIA RTX 3080

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_S (nivel de calidad medium), el modelo pesa 0.47 GB. Esto cabe dentro de los 10 GB de VRAM de NVIDIA RTX 3080, lo que permite la inferencia completa en GPU.

Requisitos de Hardware

Tamaño del modelo	0.47 GB
VRAM disponible	10 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_toolkit

Comando

helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/qwen3-5-0-8b/q4_k_s/nvidia-rtx3080.yaml) apply

Archivo `values.yaml`

/values/qwen3-5-0-8b/q4_k_s/nvidia-rtx3080.yaml

Cargando valores…

Instalar llama.cpp

Instale llama.cpp desde las instrucciones de compilación oficiales para su plataforma y backend.

Descargar modelo

curl -L -o qwen3-5-0-8b.gguf "https://huggingface.co/unsloth/Qwen3.5-0.8B-GGUF/resolve/main/Qwen3.5-0.8B-Q4_K_S.gguf"

Iniciar servidor

llama-server \
  -m qwen3-5-0-8b.gguf \
  --n-gpu-layers 24 \
  --ctx-size 262144 \
  --flash-attn

Verificar

curl http://localhost:8080/health

Preguntas frecuentes

¿Cuánta VRAM necesita Qwen3.5 0.8B (Q4_K_S)?

La cuantización Q4_K_S de Qwen3.5 0.8B requiere 0.47 GB. Las 24 capas caben en los 10 GB de VRAM disponibles en NVIDIA RTX 3080, permitiendo aceleración GPU completa.

¿Puedo ejecutar Qwen3.5 0.8B en NVIDIA RTX 3080?

Sí. NVIDIA RTX 3080 proporciona 10 GB de VRAM, suficiente para ejecutar Qwen3.5 0.8B (Q4_K_S) 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_S comprime Qwen3.5 0.8B de su tamaño original a 0.47 GB.

¿Qué cuantización debo elegir para Qwen3.5 0.8B?

Q4_K_S 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 3080, flash attention está activado para maximizar la longitud de contexto y el rendimiento dentro de los 10 GB de VRAM disponibles.

¿Cómo ejecutar Qwen3.5 0.8B (Q4_K_S) con Ollama?

Ejecute ollama run qwen3.5:0.8b-q4_k_s para iniciar Qwen3.5 0.8B (Q4_K_S). Ollama descarga automáticamente los pesos del modelo en la primera ejecución.

Última actualización: 13 de marzo de 2026