Qwen 3.8 Flash-Next – Guía Completa de Instalación Local 2026

Qwen 3.8 Flash-Next es el último modelo de código abierto de Alibaba. Funciona en un MacBook, no cuesta nada por token y maneja el español mejor que cualquier otro modelo de su clase. Aquí te explico cómo instalarlo y ponerlo en producción.

Nota (octubre de 2026): Las cifras de rendimiento y benchmarks de este artículo son valores orientativos, no mediciones propias. Compruébalas con la información actual de los fabricantes antes de decidir. Para datos confidenciales de clientes usamos modelos open source en Mittwald AI Hosting en Alemania, ver B.R.A.I.N..

---

¿Qué es Qwen 3.8 Flash-Next?

Lanzado en mayo de 2026, Qwen 3.8 Flash-Next es un modelo MoE (Mixture-of-Experts) con 32B parámetros activos:

• Parámetros: 32B activos (128B totales MoE)
• Contexto: 256K tokens (el más grande en la categoría Flash)
• Licencia: Apache 2.0 (uso comercial permitido)
• Idiomas: Español, inglés, chino, alemán, francés, japonés, coreano, árabe
• Función especial: Tool-use nativo (llamadas a funciones integradas en el modelo)

Es el único modelo Flash-Tier con tool-use nativo — puede llamar APIs, ejecutar Python e interactuar con sistemas sin trucos de prompting.

---

Requisitos de Hardware

Cuantización	VRAM Necesaria	Compatible con
Q4_K_M	20 GB	RTX 4090, M2 Max (32 GB)
Q5_K_M	24 GB	RTX 5090, M2 Ultra
Q8_0	38 GB	RTX PRO 6000, A100
FP16	70 GB	2× A100, 8× H200

Mi recomendación: Q4_K_M en MacBook M2 Pro o GPU de 24 GB. Pierdes ~3% de calidad vs FP16 pero puedes ejecutarlo en hardware de consumo.

---

Método 1: Ollama (El más fácil)

# Instalar Ollama
curl -fsSL https://ollama.com/install.sh | sh

# Descargar Qwen 3.8 Flash-Next
ollama pull qwen3.8:flash-next-q4

# Ejecutar
ollama run qwen3.8:flash-next-q4

# Probar con texto en español
>>> Explica la diferencia entre MoE y modelos Dense en 3 frases.

Ventajas de Ollama:

• Un solo comando
• Descarga automática de versión cuantizada
• API compatible con OpenAI en puerto 11434

---

Método 2: vLLM (Producción)

Para despliegues en servidor — integración con n8n, multiusuario, alto rendimiento:

pip install vllm
huggingface-cli download Qwen/Qwen3.8-Flash-Next --local-dir /modelos/qwen-3.8-flash

python -m vllm.entrypoints.openai.api_server \
  --model /modelos/qwen-3.8-flash \
  --quantization awq \
  --max-model-len 128000 \
  --gpu-memory-utilization 0.92 \
  --port 8000

Ventajas de vLLM:

• 2-3× más rápido que Ollama con alta carga
• Batching continuo
• API compatible con OpenAI
• Métricas de producción (Prometheus)

---

Método 3: LM Studio (GUI para Mac/Windows)

1. Descarga LM Studio
2. Busca “Qwen 3.8 Flash-Next” en el navegador de modelos
3. Selecciona la cuantización Q4_K_M
4. Descarga, carga el modelo, y usa el Chat o API local (puerto 1234)

---

Benchmarks (Q4 en RTX 4090)

Benchmark	Qwen 3.8 Flash	DeepSeek V4 Flash	GLM 5.3 Flash
MMLU-Pro	79.3%	78.1%	81.6%
GPQA Diamond	75.2%	78.9%	81.4%
HumanEval+	88.7%	91.2%	85.9%
Español (valor orientativo)	84.5%	76.1%	79.3%
Tokens/s (Q4)	45 t/s	65 t/s	28 t/s

Conclusión clave: Qwen domina en textos en español — igual que en alemán. Para contenido en español, Qwen es el claro ganador.

---

Comparativa de Costes

Método	Coste por 1M Tokens
Qwen 3.8 Flash (OpenRouter)	$0.54
vLLM en GEX131 (889€/mes)	~$0.18 (a 50M tok/mes)
Ollama en MacBook M2	0€ (electricidad: ~0,02€)

Si generas más de ~30M tokens/mes, el hosting local es más barato que OpenRouter. Y tus datos se quedan en tu máquina.

---

Solución de Problemas

“CUDA out of memory” en Ollama:

ollama pull qwen3.8:flash-next-q4
ollama run qwen3.8:flash-next-q4
>>> /set parameter num_ctx 32768

Inferencia lenta en MacBook:

• Usa cuantización Q4 (Q8 no cabe en 16 GB)
• Cierra otras apps que usen GPU
• Reduce contexto a 32K tokens

---

Próximos Pasos

• Comparativa GLM vs DeepSeek vs Qwen — Qué modelo para qué tarea
• Guía de Hermes Agent — Tu propio agente IA
• 5 Workflows con n8n — Automatización en producción

---

Steffen Hartmann es Experto en Hermes AI Agent y Arquitecto de Automatización en MadeByBrain. Construye automatización con IA para empresas, con sistemas de clientes en Mittwald Managed Hosting en Alemania.