实践哥 Li(@MinLiBuilds):5090 这次要吃亏了。显存不够。😂 如果社区扒出来的参数最后是真的： 125B MoE，A6B + 51B N-gram Embeddings 总参数大约 176B。 🔥而且 Unsloth 已经明确回复了： “Yes we are working day zero support for it.” 但这次最有意思的，Qwen4 附带了一个大词表。以前的 Qwen 当然也有词表，也有 Embedding。比如 Qwen3.8-27B 这种普通 Dense 模型，也要先把 Token 映射成 embedding vector，再送进 Transformer 里算。区别是：以前这种 Token Embedding 只是模型入口的一小部分。这次传闻里的 51B N-gram Embeddings，如果属实，就完全不是一个量级了。如果这 51B 能独立量化、放系统内存或者统一内存，GPU 按需 lookup，那一个看着 176B 的模型，实际 GPU 部署门槛可能低很多。 🔥硬件版图也突然变得很有意思： BF16 → M5 Ultra 512G FP8 → 双 DGX Spark 4bit → 单 Spark / PRO 6000 96G / 双 48G 4090 然后最尴尬的来了：双 5090。算力很猛。两张卡加起来才 64GB 显存。这次可能真要被显存卡死。👇

2026.08.26 07:10

5090 这次要吃亏了。显存不够。😂 如果社区扒出来的参数最后是真的： 125B MoE，A6B + 51B N-gram Embeddings 总参数大约 176B。 🔥而且 Unsloth 已经明确回复了： “Yes we are working day zero support for it.” 但这次最有意思的，Qwen4 附带了一个大词表。以前的 Qwen 当然也有词表，也有 Embedding。比如 Qwen3.8-27B 这种普通 Dense 模型，也要先把 Token 映射成 embedding vector，再送进 Transformer 里算。区别是：以前这种 Token Embedding 只是模型入口的一小部分。这次传闻里的 51B N-gram Embeddings，如果属实，就完全不是一个量级了。如果这 51B 能独立量化、放系统内存或者统一内存，GPU 按需 lookup，那一个看着 176B 的模型，实际 GPU 部署门槛可能低很多。 🔥硬件版图也突然变得很有意思： BF16 → M5 Ultra 512G FP8 → 双 DGX Spark 4bit → 单 Spark / PRO 6000 96G / 双 48G 4090 然后最尴尬的来了：双 5090。算力很猛。两张卡加起来才 64GB 显存。这次可能真要被显存卡死。👇