Qwen3.5 9B (Q8_0)su CPU Only

Q8_0 CPU Only

Panoramica

Qwen3.5 9B è un modello linguistico dense da 9.65B parametri di Qwen, con capacità di code, multilingual, thinking, tool-calls, vision. Supporta una finestra di contesto fino a 262,144 token.

Qwen3.5 9B è il modello di punta di piccole dimensioni nella famiglia Qwen 3.5 di Alibaba con architettura ibrida Gated Delta Networks e 9,65 miliardi di parametri, superando gpt-oss-120B su GPQA Diamond con 81,7 contro 80,1 con tredici volte meno parametri. È nativamente multimodale, elaborando testo, immagini e video, con capacità di ragionamento integrate per l'inferenza « chain-of-thought ». Il modello supporta una finestra di contesto da 262K e copre oltre 201 lingue. Rilasciato sotto licenza Apache 2.0, funziona con circa 5 GB di VRAM in Q4, rendendolo una scelta di primo livello per il deployment self-hosted su hardware consumer.

Con la quantizzazione Q8_0 (livello di qualità high), il modello pesa 8.87 GB. Questo supera i 0 GB di VRAM di CPU Only. L'inferenza è comunque possibile tramite scaricamento su CPU o caricamento mappato in memoria dal disco, ma con prestazioni notevolmente ridotte.

Una configurazione solo CPU senza accelerazione GPU. L'inferenza viene eseguita interamente sulla CPU, il che e notevolmente piu lento rispetto alle configurazioni con GPU, ma non richiede hardware specializzato. Prestazioni e dimensione massima del modello dipendono dalla RAM disponibile. Adatta a test, sviluppo o deployment dove non e disponibile una GPU.

Requisiti Hardware

Dimensione del modello	8.87 GB
VRAM disponibile	0 GB
VRAM utilizzata	0 GB
RAM min richiesta	8.9 GB
Livelli GPU	0 / 32
Dimensione del contesto	262.144
Backend	cpu
Flash attention	No

Note sulle prestazioni

Prestazioni ridotte

32 di 32 livelli vengono eseguiti su CPU. Il sistema necessita di almeno 8.9 GB di RAM. Se la RAM di sistema è insufficiente, i dati verranno letti dal disco su richiesta, con un impatto significativo sulle prestazioni.

Distribuzione

Server Locale

Comando

helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/qwen3-5-9b/q8_0/cpu.yaml) apply

File values.yaml

/values/qwen3-5-9b/q8_0/cpu.yaml

Caricamento valori…

Installa llama.cpp

Installa llama.cpp dalle istruzioni di compilazione ufficiali per la tua piattaforma e backend.

Scarica modello

curl -L -o qwen3-5-9b.gguf "https://huggingface.co/unsloth/Qwen3.5-9B-GGUF/resolve/main/Qwen3.5-9B-Q8_0.gguf"

Avvia server

llama-server \
  -m qwen3-5-9b.gguf \
  --n-gpu-layers 0 \
  --ctx-size 262144

Verifica

curl http://localhost:8080/health

Esplora

• Configura una distribuzione
• Esplora modelli
• Esplora hardware

Altre quantizzazioni

• Qwen3.5 9B (Q5_K_M)
• Qwen3.5 9B (Q4_K_M)

Altro hardware

• Qwen3.5 9B on NVIDIA A100 80GB
• Qwen3.5 9B on NVIDIA H100
• Qwen3.5 9B on NVIDIA RTX 3090

Domande frequenti

Quanta VRAM serve per Qwen3.5 9B (Q8_0)?

La quantizzazione Q8_0 di Qwen3.5 9B richiede 8.87 GB. I 0 GB di VRAM di CPU Only sono insufficienti per i livelli GPU, quindi l'inferenza viene eseguita sulla CPU.

Posso eseguire Qwen3.5 9B su CPU Only?

È possibile ma non consigliato. CPU Only non ha abbastanza VRAM per accelerare Qwen3.5 9B (Q8_0), quindi l'inferenza si baserà su CPU e RAM di sistema.

Cos'è la quantizzazione?

La quantizzazione riduce la precisione numerica di un modello dal suo formato originale in virgola mobile a una rappresentazione più compatta. Questo riduce la dimensione del file e l'impronta VRAM, rendendo possibile eseguire modelli di grandi dimensioni su hardware consumer. Il compromesso è una leggera riduzione della qualità dell'output. Q8_0 comprime Qwen3.5 9B dalla sua dimensione originale a 8.87 GB.

Quale quantizzazione scegliere per Qwen3.5 9B?

Q8_0 è una quantizzazione di alta qualità. I quant di qualità superiore (Q8, Q6) preservano maggiore precisione del modello ma necessitano di più VRAM. I quant inferiori (Q4, Q3, Q2) riducono l'uso di VRAM a scapito della qualità. Scegli in base al tuo hardware disponibile e ai requisiti di qualità.

Perché alcuni livelli vengono scaricati sulla CPU?

CPU Only ha 0 GB di VRAM, ma Qwen3.5 9B (Q8_0) richiede circa 8.87 GB. Solo 0 dei 32 livelli entrano nella VRAM; i livelli rimanenti vengono eseguiti sulla CPU, che è più lenta ma funzionale.

Come eseguire Qwen3.5 9B (Q8_0) con Ollama?

Esegui ollama run qwen3.5:9b-q8_0 per avviare Qwen3.5 9B (Q8_0). Ollama scarica automaticamente i pesi del modello al primo avvio.

Ultimo aggiornamento: 13 marzo 2026