Пользователь замерил Qwen3.8-Flash-Next на мощностно-ограниченной RTX 5090 с 96 ГБ DDR5-6400 — и получил приемлемую скорость при квантизации IQ3_S. Главное: • 150–200 tok/s — скорость декодирования • 5–6k tok/s — скорость префилла • 128k токенов — длина контекста • 96 ГБ DDR5-6400 — объём и частота RAM • IQ3_S — тип квантизации, 8-битный режим Степень ограничения мощности RTX 5090 не раскрыта, размера батча нет, сравнения с другими GPU не было. Что это значит: даже при искусственном ограничении мощности одной RTX 5090 хватает для работы модели с контекстом 128k — без облака и без проприетарного API.