Qwen3-Coder-Next 80B-A3B (MoE)
Qwen3-Coder-Next 80B-A3B (MoE)をQ4_K_M・8kコンテキストで動かすには、48.9GBのVRAMが必要です（2026年10月16日に確認したconfig.jsonから計算）。収まる最小のGPUのメモリは80GBで、動くデスクトップ向けGPUのなかで最も速いRTX PRO 6000 Blackwellでは、生成速度は最大721トークン/秒です。
- パラメータ
- 79.7B（アクティブ3B）
- コンテキスト長
- 262,144トークン
- ライセンス
- Apache 2.0
- 公開
- 2026年1月
- config.jsonの確認日
- 2026年10月16日
Qwen3-Coder-Next 80B-A3B (MoE)をローカルLLM動作チェッカーで開く
どのメモリ容量のGPUで動くか
必要量48.9GBを、メモリ容量ごとに比べます。モデルが使えるのはGPUのメモリの95%までで、色が付いているのは残りの容量か、足りない容量だけです。「ぎりぎり」は85%を超える場合で、長い会話に使える余裕はほとんどありません。
ほかの量子化やコンテキスト長、Q8のKVキャッシュはLLM VRAM計算ツールで試せます。
計算・2026年10月16日どのGPUを選ぶか
このサイトで扱うGPUのうち、Q4_K_M・8kコンテキストで読み込める最小のものはA100（80GB）です。必要量は48.9GBで、生成速度は推定820トークン/秒です。同じGPUでも32,768トークンのコンテキストまで余裕があるため（49.5GB）、このモデルのためにそれより上のGPUを買う理由はありません。
ほぼ劣化のないQ8_0なら、収まる最小のGPUはRTX PRO 6000 Blackwell（96GB）で、必要量は88.6GBです。Appleシリコンでは、MacBook Pro M4 Maxなら32,768トークンのコンテキストを含めて保持でき、生成速度は推定220トークン/秒です。ただしプロンプト処理はNVIDIAより遅く、長い文書ではその差がはっきり出ます。ユニファイドメモリのデスクトップでは、Ryzen AI Max+ 395が32,768トークンのコンテキストを49.5GBで保持でき、生成速度は推定103トークン/秒です。
GPU別の生成速度
| GPU | 動く？ | 推定トークン/秒 | 体感 | メモリ | メモリ帯域幅 |
|---|---|---|---|---|---|
| H100 SXM | 動く | ≤ 1,348 | 読むより速い | 80GB | 3,350GB/s |
| A100 | 動く | ≤ 820 | 読むより速い | 80GB | 2,039GB/s |
| RTX PRO 6000 Blackwell | 動く | ≤ 721 | 読むより速い | 96GB | 1,792GB/s |
| RTX Spark | 動く | ≤ 121 | 読むより速い | 128GB（GPU用102GB） | 300GB/s |
| DGX Spark | 動く | ≤ 110 | 読むより速い | 128GB（GPU用126GB） | 273GB/s |
| Ryzen AI Max+ 395 | 動く | ≤ 103 | 読むより速い | 128GB（GPU用96GB） | 256GB/s |
| RTX 6000 Ada | 動かない | - | 収まらない | 48GB | 960GB/s |
| L40S | 動かない | - | 収まらない | 48GB | 864GB/s |
| RTX A6000 | 動かない | - | 収まらない | 48GB | 768GB/s |
| RTX PRO 5000 Blackwell | 動かない | - | 収まらない | 48GB | 1,344GB/s |
| RTX 5090 | 動かない | - | 収まらない | 32GB | 1,792GB/s |
| RTX PRO 4500 Blackwell | 動かない | - | 収まらない | 32GB | 896GB/s |
| Radeon AI PRO R9700 | 動かない | - | 収まらない | 32GB | 640GB/s |
| Arc Pro B70 | 動かない | - | 収まらない | 32GB | 608GB/s |
| RTX 3090 | 動かない | - | 収まらない | 24GB | 936GB/s |
| RTX 4090 | 動かない | - | 収まらない | 24GB | 1,008GB/s |
| RX 7900 XTX | 動かない | - | 収まらない | 24GB | 960GB/s |
| RTX PRO 4000 Blackwell | 動かない | - | 収まらない | 24GB | 672GB/s |
| RTX PRO 4000 Blackwell SFF | 動かない | - | 収まらない | 24GB | 432GB/s |
| Arc Pro B60 | 動かない | - | 収まらない | 24GB | 456GB/s |
| RX 7900 XT | 動かない | - | 収まらない | 20GB | 800GB/s |
| RTX 4060 Ti | 動かない | - | 収まらない | 16GB | 288GB/s |
| RTX 5060 Ti | 動かない | - | 収まらない | 16GB | 448GB/s |
| RTX 5080 | 動かない | - | 収まらない | 16GB | 960GB/s |
| RTX 5070 Ti | 動かない | - | 収まらない | 16GB | 896GB/s |
| RTX 4080 SUPER | 動かない | - | 収まらない | 16GB | 736GB/s |
| RX 9070 XT | 動かない | - | 収まらない | 16GB | 640GB/s |
| RX 9060 XT | 動かない | - | 収まらない | 16GB | 320GB/s |
| RTX 3060 | 動かない | - | 収まらない | 12GB | 360GB/s |
| RTX 4070 | 動かない | - | 収まらない | 12GB | 504GB/s |
| RTX 5070 | 動かない | - | 収まらない | 12GB | 672GB/s |
| Arc B580 | 動かない | - | 収まらない | 12GB | 456GB/s |
シングルストリームの生成速度を、メモリ帯域幅と効率70%から求めた値です。プロンプト処理とバッチ処理は含みません。どれも上限（理論値）で、実測ではありません。Qwen3-Coder-Next 80B-A3B (MoE)がQ4で1トークンごとに読む重みはわずか1.7GBです。これほど少ないと、計算式に含まれない1トークンごとのコストが実際の速度を大きく左右します。≤の付いた6個の数値は、実際のランタイムの速度が表示値をもっとも大きく下回る箇所です。ほかの量子化やAppleのハードウェアについては生成速度（トークン/秒）推定ツールを、モデルではなくハードウェアを選んでいる場合は全GPUの比較をご覧ください。
計算・2026年10月16日量子化・コンテキスト長別の必要メモリ
| 量子化 | 4,096トークン | 8,192トークン | 32,768トークン |
|---|---|---|---|
| Q8_0 | 88.5GB（96GBに収まる） | 88.6GB（96GBに収まる） | 89.2GB（96GBに収まる） |
| Q5_K_M | 59.5GB（80GBに収まる） | 59.6GB（80GBに収まる） | 60.2GB（80GBに収まる） |
| Q4_K_M | 48.8GB（80GBに収まる） | 48.9GB（80GBに収まる） | 49.5GB（80GBに収まる） |
重みはQ4で46.2GBです。コンテキストが1,000トークン増えるごとに、FP16のKVキャッシュが約0.025GB増えます（これとは別に、大きくならない固定の再帰状態が0.08GBあります）。ほかの設定はLLM VRAM計算ツールで試せます。
モデルについて
Qwen3-Coder-Next 80B-A3B (MoE)は79.7Bパラメータのモデルです。MoE（Mixture of Experts）構成で、1トークンごとのアクティブパラメータは3Bです。全48レイヤーのうち、会話とともに大きくなるキャッシュを持つのはフルアテンションの12レイヤーだけです（KVヘッド2個、ヘッド次元256）。残りの36レイヤーはGated DeltaNetの線形アテンションで、持つのは小さな固定サイズの状態だけです。Alibabaが2026年初めに公開したコーディングエージェント向けのモデルで、512個のエキスパートに80B分の重みを持ち、1トークンごとに読むのは3Bです。コーディングエージェントとローカル開発のために作られ、CLIやIDEのツールに組み込めるよう設計されています。
テキストのみ コンテキスト長262,144トークン Apache 2.0 2026年1月公開 79.7B中3Bがアクティブ
思考モード：非思考型のみです。そのまま回答し、思考ブロックを出力することはありません。
512個のエキスパートはすべてメモリに置かれ、1トークンごとのアクティブパラメータは3Bです。そのため、一度読み込めば小さなモデル並みの速さで応答します。
これはコーディングモデルです。コードの作成・編集や、リポジトリ全体を読むエージェント型のツール向けに調整されています。長いコンテキストがメモリに見合う働きをするのは、まさにこの用途です。
ネイティブのコンテキスト長は262,144トークンです。ライセンスはApache 2.0で、寛容な（permissive）ライセンスです。重みの公開は2026年1月です。Qwen2.5 Coder 32Bの後継にあたります。
得意なこと
- 80GBまたは96GBのGPUや大容量メモリのMacで、小さなモデル並みの速さで応答するコーディングエージェント
- リポジトリ規模のコンテキスト。コンテキスト長は262,144トークンで、48レイヤーのうちキャッシュが大きくなるのは12レイヤーだけです。
- エージェントのループ。思考の前置きがないので、ステップごとにトークンを無駄にしません。
注意点
- 負担になるのは計算ではなくメモリです。Q4でも48GBのGPUには収まりません。
- 特化型のモデルで、一般的な会話向けではありません。
- ハイブリッド構成のレイヤーには最新のランタイムが必要です。
似たモデル
Q4_K_M・8kコンテキストでQwen3-Coder-Next 80B-A3B (MoE)とほぼ同じメモリを必要とするモデルです。手持ちのGPUで実際に比べる相手になるのは、これらのモデルです。「1kトークンあたり」の列はコンテキストが1,000トークン増えるごとのコストで、同じサイズのモデルの間でもっとも差が出るところです。
| モデル | サイズ | 必要量 | 1kトークンあたり | コンテキスト長 | 公開 |
|---|---|---|---|---|---|
| Qwen3-Coder-Next 80B-A3B (MoE) | 79.7B（アクティブ3B） | 48.9GB | 0.025GB | 256k | 2026年1月 |
| Nemotron 3.5 Bolt 74B-A9B (MoE) | 74.9B（アクティブ9B） | 45.9GB | 0.008GB | 256k | 2026年10月 |
| DeepSeek-R1 Distill Llama 70B | 70.6B | 45.8GB | 0.328GB | 128k | 2025年1月 |
| Llama 3.3 70B | 70.6B | 45.8GB | 0.328GB | 128k | 2024年12月 |
| gpt-oss 120B | 117B（アクティブ5.1B） | 71.4GB | 0.037GB | 128k | 2025年8月 |
全モデルの比較、8〜96GBに収まるモデル（英語）、クラウドGPUごとの最安の時間料金（英語）もご覧ください。
よくある質問
- Qwen3-Coder-Next 80B-A3B (MoE)は24GBのGPUで動く？
- いいえ、24GBのGPUには収まりません。Q4_K_M・8kコンテキストで約48.9GBが必要です。収まる最小のクラスは80GBです。
- Qwen3-Coder-Next 80B-A3B (MoE)をQ8で動かすには、VRAMはどれくらい必要？
- 8kコンテキストで約88.6GB、32kコンテキストでは89.2GBです。Q8はほぼ劣化がないので、収まるならQ8を使うのがおすすめです。
- Qwen3-Coder-Next 80B-A3B (MoE)のコンテキスト長は？
- ネイティブで262,144トークンです。すべてをQ4_K_Mで保持すると約55.1GBが必要で、そのうち6.5GBがコンテキストの分です。
- Qwen3-Coder-Next 80B-A3B (MoE)が長いコンテキストでも少ないメモリで済むのはなぜ？
- ほとんどのレイヤーが、大きくなっていくキャッシュを持たないからです。全48レイヤーのうち、会話とともに大きくなるキャッシュを持つのはフルアテンションの12レイヤーだけです（KVヘッド2個、ヘッド次元256）。残りの36レイヤーはGated DeltaNetの線形アテンションで、持つのは小さな固定サイズの状態だけです。32kトークンのコンテキストに必要なメモリは約0.9GBです。もし48レイヤーすべてが従来どおり全長のキャッシュを持っていたら、同じ会話に約3.2GBかかります。
- Qwen3-Coder-Next 80B-A3B (MoE)はRTX 4090でどれくらいの速さ？
- Q4・8kコンテキストではRTX 4090に収まらないため、CPUへのオフロードになり、速度は激減します。より大きなGPUを使うか、ビット数のより少ない量子化を選んでください。
- アーキテクチャの値は、Hugging FaceのQwen/Qwen3-Coder-Nextにあるconfig.jsonとモデルカードから読み取り、2026年10月16日に確認しています。このページの数値はすべてこれらの値から計算しています。このモデルのためにハードウェアを買う前に、元の値を確認してください。
- 推定値は、ほかに何も動いていないGPUで会話を1つだけ扱う前提です。同じGPUでデスクトップ環境も動かすと、0.5〜2GBが使われます。