Model garden Router · bajo petición Dedicado · disponible

Qwen3.8 Flash Next NVFP4

Se ejecuta como su propio despliegue de GPU dedicada, listo para lanzar desde el asistente. Los datos permanecen en Europa.

This model is ready for commercial or non-commercial use. <br

nvidia/Qwen3.8-Flash-Next-NVFP4 Bajo petición
text+image->text · nvidia · sovereign EU
Runs on EU infrastructure operated by European companies; US marketplace capacity is never part of this chain. Full chain
120B
Parámetros
262K
Ventana de contexto
160GB
VRAM mínima
POST /api/v1/chat/completions Bajo petición

Especificaciones

Parámetros 120B
Ventana de contexto 262,144 tokens
VRAM mínima 160 GB
Arquitectura Qwen4ExpForConditionalGeneration (vLLM)
Licencia other
Modalidad text+image->text
Lanzamiento September 2026
Editor nvidia ↗

Precios

Router compartido · por token
Bajo petición
No disponible en el Router compartido. Precio bajo petición como despliegue de GPU dedicada.
GPU dedicada · por hora
desde 5,33 € por hora
Su propia instancia de vLLM en una nube europea (160 GB de VRAM), facturada por horas.

Router europeo compartido, pago por token, scale-to-zero. Los despliegues de GPU dedicada se facturan por horas, consulte precios.

Índice Bench

Bench es nuestro índice de calidad para cada modelo, de 0 a 100. Se basa en mediciones públicas (Epoch AI con unos 40 benchmarks, LiveBench, LMArena y más) y se actualiza cada mañana. Donde nadie mide, muestra una estimación con un rango.

77,4 / 100 · Vía LiveBench

Convertido a la misma escala a partir de su resultado en LiveBench.

Rango de 71,1 a 83,7

Fuentes: Epoch AI ↗ · LiveBench ↗ · LMArena ↗ · Actualizado a diario, última vez el 19-10-2026

LiveBench · 76,2 · Puesto 32 de 70
Razonamiento 87,4
Programación 72,6
Programación agéntica 61,6
Matemáticas 85,8
Análisis de datos 74,2
Lenguaje 74,6
Seguimiento de instrucciones 77,1
LiveBench · Todas las tareas
Razonamiento
theory of mind 80,8
zebra puzzle 98,8
spatial 100,0
logic with navigation 70,0
Programación
code generation 69,0
code completion 76,1
Programación agéntica
javascript 68,2
typescript 46,7
python 70,0
Matemáticas
AMPS Hard 99,0
integrals with game 59,0
math comp 94,1
olympiad 91,2
Análisis de datos
consecutive events 75,6
tablejoin 51,0
tablereformat 96,1
Lenguaje
connections 90,2
plot unscrambling 55,8
typos 78,0
Seguimiento de instrucciones
paraphrase 79,5
simplify 70,3
story generation 81,4
summarize 77,4

Llámelo ahora

Sustituto directo de OpenAI: cambie solo la URL base y la clave de API. También se admite el formato de Anthropic (/v1/messages).

curl https://hostyourai.com/api/v1/chat/completions \
  -H "Authorization: Bearer hyai-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "nvidia/Qwen3.8-Flash-Next-NVFP4",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

Preguntas frecuentes

¿Puedo ejecutar Qwen3.8 Flash Next NVFP4 en la UE?

Sí. HostYourAI ejecuta Qwen3.8 Flash Next NVFP4 en GPU de centros de datos europeos mediante vLLM. Los prompts y las respuestas nunca salen de la UE y en la cadena no interviene ningún proveedor de nube estadounidense.

¿El alojamiento de Qwen3.8 Flash Next NVFP4 cumple el RGPD?

Sí. Todo el tratamiento se realiza dentro de la UE, hay disponible un acuerdo de encargo del tratamiento (DPA) y la lista de subencargados es pública. Además, los pesos de código abierto significan que no se entrena con sus datos.

¿Cuánto cuesta Qwen3.8 Flash Next NVFP4?

Qwen3.8 Flash Next NVFP4 está disponible bajo petición: a través del Router europeo compartido tras una breve conversación, o como despliegue de GPU dedicada propio facturado por horas. Cuéntenos su caso de uso y lo configuraremos para usted.

¿La API es compatible con OpenAI?

Sí. Usted utiliza los SDK estándar de OpenAI con una URL base personalizada (https://hostyourai.com/api/v1). La API Anthropic Messages también se admite como sustituto directo.

Más modelos de NVIDIA

Muse Spark Open 816B A42B DFlash2

This model is ready for commercial or non-commercial use. <br

4.4B 1M contexto Ver modelo →
NVIDIA Nemotron 3.5 Super VL 120B A12B NVFP4

NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4 is the quantized release of NVIDIA Nemotron 3.5 Super VL, a vision-language model for reasoning, coding, tool use, document understanding, and video understanding. It uses NVFP4 quantization to reduce memory requirements, with quantization-aware distillation from the BF16 model.

66B Ver modelo →
NVIDIA Nemotron 3.5 Super VL 120B A12B BF16

NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 is the full-precision release of NVIDIA Nemotron 3.5 Super VL, a vision-language model for reasoning, coding, tool use, document understanding, and video understanding. The BF16 weights support customization, domain adaptation, and full-precision evaluation. For optimized deployment, see the NVFP4 release.

124B Ver modelo →
NVIDIA Nemotron 3.5 Super VL 120B A12B Base BF16

Looking for a post-trained model? See the BF16 release for customization or the NVFP4 release for optimized deployment.

124B Ver modelo →
NVIDIA Nemotron 3.5 Bolt 74B A9B BF16

NVIDIA Nemotron 3.5 Bolt 74B-A9B is a vision-language model (VLM) designed to run everyday agentic tasks locally. This is the full-precision (BF16) release of this model, intended primarily for customization and post-training rather than direct production inference.

75B Ver modelo →
Qwen3.8 Flash Next FP4 Local

IMPORTANT: the NVFP4 scale factors in this checkpoint are in a new lossless compression format, but upstream vLLM support for this format has not yet landed. You must use one of the containers provided below.

96B 262K contexto Ver modelo →

Pruebe Qwen3.8 Flash Next NVFP4 gratis

Crear una cuenta lleva un minuto. Pruebe Qwen3.8 Flash Next NVFP4 de inmediato en el Playground.

Empezar gratis