Modelos / Qwen 3.5
Qwen 3.5 9B
Um dos modelos mais baixados de 2026. Atenção híbrida deixa o contexto longo barato.
- Parâmetros
- 9.7B
- Contexto máximo
- 256K
- Placa mínima
- 10 GB de VRAM
- Mac mínimo
- 16 GB
Alibaba · licença apache-2.0 · mínimos com Q4_K_M e 8K de contexto
Rodar no Ollama
- Q4_K_M
ollama run qwen3.5:9b - Q8_0
ollama run qwen3.5:9b-q8_0 - FP16
ollama run qwen3.5:9b-bf16
Quanta memória precisa
Total com pesos, KV cache, visão e runtime, por quantização e contexto.
| Quantização | 4K | 8K | 32K | 128K |
|---|---|---|---|---|
| Q4_K_M | 7 GB | 7,3 GB | 8,5 GB | 13,7 GB |
| Q5_K_M | 8 GB | 8,2 GB | 9,5 GB | 14,6 GB |
| Q8_0 | 11,2 GB | 11,4 GB | 12,7 GB | 17,8 GB |
| FP16 | 19,9 GB | 20,1 GB | 21,4 GB | 26,5 GB |
Placas que rodam
- RTX 5070 12 GBRoda bem≈ 81 tok/s
- RTX 4070 Super 12 GBRoda bem≈ 61 tok/s
- RTX 4070 12 GBRoda bem≈ 61 tok/s
- RTX 3060 12 GB 12 GBRoda bem≈ 43 tok/s
- Radeon RX 7700 XT 12 GBRoda bem≈ 42 tok/s
- Arc B580 12 GBRoda bem≈ 41 tok/s
- RTX 5080 16 GBRoda bem≈ 116 tok/s
- RTX 5070 Ti 16 GBRoda bem≈ 108 tok/s
- RTX 4080 Super 16 GBRoda bem≈ 89 tok/s
- RTX 4070 Ti Super 16 GBRoda bem≈ 81 tok/s
- Radeon RX 9070 XT 16 GBRoda bem≈ 63 tok/s
- Radeon RX 9070 16 GBRoda bem≈ 63 tok/s
- Radeon RX 7800 XT 16 GBRoda bem≈ 61 tok/s
- RTX 5060 Ti 16 GB 16 GBRoda bem≈ 54 tok/s
- RTX 4060 Ti 16 GB 16 GBRoda bem≈ 35 tok/s
- Radeon RX 9060 XT 16 GB 16 GBRoda bem≈ 31 tok/s
- Radeon RX 7600 XT 16 GBRoda bem≈ 28 tok/s
- Radeon RX 7900 XT 20 GBRoda bem≈ 78 tok/s
- RTX 4090 24 GBRoda bem≈ 122 tok/s
- RTX 3090 24 GBRoda bem≈ 113 tok/s
- Radeon RX 7900 XTX 24 GBRoda bem≈ 94 tok/s
- RTX 5090 32 GBRoda bem≈ 216 tok/s
Macs
- M5a partir de 16 GB · ≈ 19 tok/s
- M5 Proa partir de 24 GB · ≈ 38 tok/s
- M5 Maxa partir de 36 GB · ≈ 45 tok/s
- M4a partir de 16 GB · ≈ 15 tok/s
- M4 Proa partir de 24 GB · ≈ 34 tok/s
- M4 Maxa partir de 36 GB · ≈ 40 tok/s
Arquitetura
- 32 camadas, 4 cabeças de KV de 256 dimensões.
- 24 camadas usam atenção linear, com estado fixo; só 8 guardam KV.
- Cada token de contexto ocupa cerca de 32 KB de KV cache em F16.
Fontes: config.json · arquivo de pesos · atualizado em 16/10/2026