Сервер для Qwen3 235B-A22B

Qwen3 235B-A22B — модель Qwen с архитектурой Mixture-of-Experts: в памяти держатся все 235 млрд параметров, а на каждый токен включаются примерно 22 млрд. Памяти нужно как под крупную модель, зато генерация быстрее, чем у плотной модели того же объёма, — поэтому главный параметр сервера для неё объём памяти, а не число GPU. На выделенном сервере с достаточным объёмом памяти такая модель работает внутри вашей инфраструктуры: запросы и данные компании её не покидают.

В типовой конфигурации — квантование int4, контекст 8K токенов — нужно около 137,5 ГБ: веса 117,5 ГБ, KV-кэш 2,4 ГБ, служебный запас 17,6 ГБ. Одного NVIDIA DGX Spark 128 ГБ не хватит: понадобится кластер из 2 узлов по ~108 ГБ, связанных ConnectX-7. Кластер добавляет память, но не ускоряет одиночный запрос; другой путь — более сильное квантование в таблице ниже.