模型介绍
**`Qwen3.8-Flash-Coder-44GB-Selective-INT8`** is a high-performance, selective-quantized Mixture-of-Experts (MoE) coding model. Sliced down from the monolithic **`Qwen/Qwen3.8-Flash-Next` (335GB)** and quantized from the **`Qwen3.8-Flash-Coder-85GB-BF16`** parent checkpoint, this model reduces disk and VRAM footprint to exactly **44.29 GB** (a **44.2% VRAM reduction** and **86.8% reduction from base**), enabling full zero-offload deployment on **only 2x 32GB GPUs** (e.g. 2x NVIDIA RTX 5000 Ada, 2x RTX 4090/3090, or 1x A100/H100 80GB). Traditional MoE post-training quantization often quantizes all layers uniformly, which severely degrades the Router Gate and causes **Routing Collapse** (routing tokens to sub-optimal experts). This checkpoint introduces **Selective MoE Quantization**: 1. **Critical High-Precision Modules (Kept in 100% Native BF16):** - **Router Gates:** Retain 100% floating-point routing fidelity across all 48 layers. - **Multi-Head Self-Attention & Linear Attention:** `q_proj`, `k_proj`, `v_proj`, `o_proj`. - **Shared Expert, RMSNorms, Embeddings & LM Head:** Zero quantization loss in embedding projections. 2. **High-Capacity Sparse Experts (Quantized to Symmetric Per-Channel INT8):** - 160 MoE Experts across 48 layers (`gate_up_proj`, `down_proj`). - Symmetrically quantized per-channel with dynamic scaling vectors (`gate_up_proj_scale`, `down_proj_scale`).
主要特点
特点摘要待依据来源补齐,不凭模型名称推断能力。
局限与注意事项
暂无足够来源支持具体缺点结论。请重点验证实际任务表现、时延、数据政策、许可与版本生命周期。
来源报价与费用分析
同一模型在不同渠道、地区和配置下可能采用不同价格。下表独立保留各渠道报价,不将渠道价格视为厂商官方统一价格。
| 来源 / 渠道 | 输入 | 输出 | 计费单位 | 采集时间 |
|---|---|---|---|---|
| 暂未取得可核验报价,请查阅来源渠道。 | ||||
按月估算基础 Token 费用
预估不包含缓存优惠、阶梯定价、多模态附加费用、网络检索、税费及推理额外输出。
公开评测与运行配置
暂无已采集的可核验公开评分。模型未上榜不代表能力较低。
查看完整已收录榜单 →常见问题
开放权重是否代表可以免费商用?
不一定。应核对具体版本许可证、商用门槛和使用政策。自部署还会产生算力和维护成本。
这些价格是实时结算价格吗?
不是实时结算价格,而是带采集时间的来源报价快照。请到对应渠道核对当前版本、区域、折扣和计费方式。
资料来源与可追溯记录
许可证:apache-2.0。模型介绍与第三方评测均以原来源的具体版本和方法为准。