Qwen3 8B (Q3_K_S) — 10.4 GBen Scaleway H100-1-80G
Descripción General
Qwen3 8B es un modelo de lenguaje dense de 8B parámetros de Qwen, con capacidades de code, multilingual, thinking, tool-calls. Admite una ventana de contexto de hasta 40,960 tokens.
Qwen3 8B es un transformador denso de 8.000 millones de parametros del equipo Qwen de Alibaba, con capacidades de razonamiento integradas junto con generacion de codigo, "tool calling" y soporte multilingue. Avanza respecto a Qwen2.5 con razonamiento mejorado, soportando inferencia "chain-of-thought" en un factor de forma compacto. El modelo cubre 14 idiomas, incluidos ingles, chino y arabe. Con una ventana de contexto de 40K y "flash attention", cabe en una sola GPU de consumo y se cuantiza eficientemente para cargas de razonamiento autoalojadas rentables.
Con cuantización Q3_K_S (nivel de calidad low), el modelo pesa 3.51 GB. Esto cabe dentro de los 80 GB de VRAM de Scaleway H100-1-80G, lo que permite la inferencia completa en GPU.
La NVIDIA H100 80 GB es una GPU de datacenter con 80 GB de HBM3 VRAM y 3350 GB/s de ancho de banda de memoria. Ofrece 1979 FP16 TFLOPS en la arquitectura Hopper, lo que la convierte en la opcion de GPU unica mas rapida para la inferencia de grandes modelos de lenguaje. Maneja modelos de hasta 70B parametros con alto rendimiento. Disenada para equipos de datacenter que ejecutan cargas de trabajo de IA exigentes en produccion.
Requisitos de Hardware
| Tamaño del modelo | 3.51 GB |
| VRAM disponible | 80 GB |
| VRAM utilizada | 10.4 GB |
| RAM del sistema | 240 GB |
| RAM mín. requerida | 0 GB |
| Capas GPU | 36 / 36 |
| Tamaño del contexto | 40.960 |
| 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/qwen3-8b/q3_k_s/nvidia-h100-80gb.yaml) applyArchivo values.yaml
/values/qwen3-8b/q3_k_s/nvidia-h100-80gb.yaml
Cargando valores…Preguntas frecuentes
¿Cuánta VRAM necesita Qwen3 8B (Q3_K_S)?
La cuantización Q3_K_S de Qwen3 8B requiere 3.51 GB. Las 36 capas caben en los 80 GB de VRAM disponibles en Scaleway H100-1-80G, permitiendo aceleración GPU completa.
¿Puedo ejecutar Qwen3 8B en Scaleway H100-1-80G?
Sí. Scaleway H100-1-80G proporciona 80 GB de VRAM, suficiente para ejecutar Qwen3 8B (Q3_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. Q3_K_S comprime Qwen3 8B de su tamaño original a 3.51 GB.
¿Qué cuantización debo elegir para Qwen3 8B?
Q3_K_S 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.
¿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 8B en Scaleway H100-1-80G, flash attention está activado para maximizar la longitud de contexto y el rendimiento dentro de los 80 GB de VRAM disponibles.
¿Cómo ejecutar Qwen3 8B (Q3_K_S) con Ollama?
Ejecute ollama run qwen3:8b-q3_k_s para iniciar Qwen3 8B (Q3_K_S). Ollama descarga automáticamente los pesos del modelo en la primera ejecución.