Сервер для Qwen3-Coder 480B-A35B

Qwen3-Coder 480B-A35B — модель Qwen с архитектурой Mixture-of-Experts: в памяти держатся все 480 млрд параметров, а на каждый токен включаются примерно 35 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 64K токенов — нужно около 292 ГБ: веса 240 ГБ, KV-кэш 16 ГБ, служебный запас 36 ГБ. Одного NVIDIA DGX Spark 128 ГБ не хватит: понадобится кластер из 3 узлов по ~108 ГБ, связанных ConnectX-7. Кластер добавляет память, но не ускоряет одиночный запрос; другой путь — более сильное квантование в таблице ниже.