Команда выкатила EXL3-веса Qwen3.8-Flash-Next (125B MoE, 6B активных) и открытый движок Kyojin — модель работает на одном AMD Strix Halo (Ryzen AI Max+ 395, 128 ГБ). Главное: • 47 tok/s — скорость в чате со speculative decoding • 95 ГБ — веса в формате EXL3 • 1412 tok/s — prefill при 4K контексте • 94,1 % — точность (top-1) против оригинальной FP8-модели • 10/10 — все «иглы» найдены при 64K и 128K контексте Числа для llama.cpp (~30 tok/s, ~500 tok/s prefill) авторы не замеряли — они из стороннего поста и при другом формате квантования; сравнение некорректное. Авторы сами признают, что проигрывают Halogen по скорости. Что это значит: 125B MoE-модель впервые работает на потребительском мини-ПК с приемлемой скоростью. Kyojin проигрывает Halogen по скорости, но выигрывает по точности и открытым кодом.