Qwen 3.8 — свежая модель Alibaba на 27 млрд параметров. Она пишет код и тексты, анализирует материалы и хорошо работает с русским языком. На gpu.nz модель запускается готовым шаблоном: вы арендуете сервер с 24 ГБ видеопамяти, ждёте загрузки и открываете чат в браузере, а тот же сервер отдаёт API для ваших программ.
Коротко
Qwen 3.8 работает на видеокартах от 24 ГБ. Самая доступная подходящая сейчас — Tesla V100 32 ГБ от 23 ₽ в час, оплата по минутам.
Обновлено 13 октября 2026 г.
Модель занимает около 18 ГБ на диске, поэтому нужна карта с 24 ГБ видеопамяти. RTX 4090 с 24 ГБ справляется с контекстом 16 384 токена, RTX 3090 с 24 ГБ подходит так же. RTX 5090 с 32 ГБ оставляет место для длинных диалогов. На картах с 16 ГБ модель не поместится.
Цены и наличие берутся из живого каталога и обновляются автоматически.
Qwen 3.8 — универсальная модель. Её удобно просить о коде, текстах и анализе: написать функцию, переписать абзац в деловом стиле, сравнить два документа по пунктам. Отвечает она на языке вопроса, поэтому переписку и документы можно вести по-русски.
Большую задачу разбивайте на шаги: сначала план, потом код, потом проверка. Обычно так получаются более точные ответы, чем на один большой запрос. Причины запускать модель на своём сервере разобраны в решении для LLM.
Ставить модель вручную не нужно: шаблон сам поднимает Ollama, Open WebUI и веса Qwen 3.8. Если нужно развернуть её на другом сервере, в Ollama это одна команда: ollama pull qwen3.8:27b. Подробнее о связке Ollama и vLLM — в гайде про Ollama и vLLM.
API работает по адресу https://<id>-11434.run.gpu.nz/v1 и совместим с OpenAI. <id> — первая часть адреса кнопки «Ollama API» до дефиса. В поле ключа укажите токен из строки «Токен доступа к интерфейсам» на странице сервера.
from openai import OpenAI
client = OpenAI(
base_url="https://<id>-11434.run.gpu.nz/v1",
api_key="<токен>", # токен со страницы сервера
)
answer = client.chat.completions.create(
model="qwen3.8:27b",
messages=[{"role": "user", "content": "Объясни, что делает декоратор в Python."}],
)
print(answer.choices[0].message.content)Контекст шаблона — 16 384 токена, примерно двадцать страниц русского текста. Этого хватает для переписки, статьи или модуля кода среднего размера. Короткий ответ приходит за секунды, длинный печатается потоком, а скорость зависит от карты. Модель остаётся в видеопамяти, пока сервер работает, поэтому между вопросами её не нужно загружать заново. Как считать память под контекст, см. гайд о видеопамяти для LLM.