Hardware

Qwen3.8-Flash-Next de la RTX 3090 à la RTX PRO 6000 : toutes les mesures côte à côte. Pourquoi les sauts ne sont pas linéaires et le prefill la récompense secrète.

De « j'ai un ordinateur » à « mon endpoint tourne » : évaluer le matériel, choisir la pile, brancher un cas d'usage, mesurer soi-même — avec des recettes pour chaque palier.

Achat, électricité, débit et contre-calcul API : aux prix Flash, le local n'est pas un programme d'économies — c'est un programme de contrôle. Chaque chiffre calculé.

Decode vs. prefill, mean wall TPS, fidélité des quants : 4 pièges des chiffres de benchmark — et l'auto-vérification en 5 minutes. Avec des mesures réelles de 300 recettes.

GLM-5.3-Flash, DeepSeek V4.1 Flash et Qwen3.8-Flash-Next en panorama — et la matrice matérielle honnête : que fait tourner un laptop, un Mac Studio, une DGX Spark, un nœud multi-GPU ?

Le M5 Ultra est la machine unique et silencieuse la plus rapide pour les grands modèles MoE. Caractéristiques vérifiées, prix, benchmarks, chiffres de la communauté X et nos propres mesures sur matériel DGX Spark.

Qwen3.8-27B tourne sur un éventail de matériel surprenant – mais à quelle vitesse réelle ? Benchmarks baseline vs optimisés par la communauté (au 19/08/2026) : une RTX 3090 à ~1 000 tok/s sur 64 flux parallèles, une RTX 5090 à 148 tok/s, un DGX Spark à 210 tok/s agrégés, DFlash 2 à 3,4x sur H200 – plus RTX 5080 laptop, Mac mini, MacBook Pro, Mac Studio et AMD Strix Halo avec prefill, decode et concurrence.