{"id":1163,"date":"2026-08-27T08:04:26","date_gmt":"2026-08-27T05:04:26","guid":{"rendered":"https:\/\/www.tayfnews.tech\/it\/?p=1163"},"modified":"2026-08-27T08:04:26","modified_gmt":"2026-08-27T05:04:26","slug":"testato-qwen3-8-flash-next-su-nvidia-gb300-nvl72","status":"publish","type":"post","link":"https:\/\/www.tayfnews.tech\/it\/technology\/testato-qwen3-8-flash-next-su-nvidia-gb300-nvl72\/","title":{"rendered":"Testato Qwen3.8-Flash-Next su NVIDIA GB300 NVL72"},"content":{"rendered":"<p>Alibaba ha rilasciato ufficialmente i pesi del modello per <strong>Qwen3.8-Flash-Next<\/strong>, offrendo agli sviluppatori un&#8217;anteprima e uno strumento di valutazione per la prossima <strong>architettura Qwen4<\/strong>. Progettato per gestire flussi di lavoro computazionali e generativi complessi, questo modello multimodale arriva insieme a configurazioni di test hardware di fascia alta, utilizzando in particolare l&#8217;infrastruttura <strong>NVIDIA GB300 NVL72<\/strong> specificamente ottimizzata per attivit\u00e0 avanzate di agentic coding.<\/p>\n<h2>Svolte Architetturali e Design Mixture-of-Experts<\/h2>\n<p>Il modello in anteprima appena svelato sfrutta una sofisticata architettura <strong>multimodale mixture-of-experts (MoE)<\/strong> progettata per bilanciare le prestazioni pure con l&#8217;efficienza di esecuzione. Separando la scala totale dei parametri dal calcolo attivo per token, il modello gestisce cicli di ragionamento impegnativi senza imporre penalit\u00e0 di latenza proibitive.<\/p>\n<ul>\n<li><strong>Scala del Modello Principale:<\/strong> 125 miliardi di parametri che costituiscono il nucleo fondamentale.<\/li>\n<li><strong>Embedding N-gram:<\/strong> Ulteriori 51 miliardi di parametri dedicati all&#8217;efficienza strutturale.<\/li>\n<li><strong>Parametri Attivi:<\/strong> Solo 6 miliardi di parametri vengono attivati per token durante l&#8217;inferenza.<\/li>\n<li><strong>Context Window Nativa:<\/strong> Una massiccia capacit\u00e0 di contesto nativa di 262.144 token.<\/li>\n<li><strong>Contesto Esteso:<\/strong> Scalabile fino a 1.000.000 di token per l&#8217;analisi di repository di grandi dimensioni.<\/li>\n<\/ul>\n<h2>Potenziare l&#8217;Agentic Coding su NVIDIA GB300 NVL72<\/h2>\n<p>Mentre l&#8217;automazione dell&#8217;ingegneria software si sposta verso flussi di lavoro basati su agenti autonomi, i modelli linguistici di grandi dimensioni devono elaborare intere basi di codice, librerie di documentazione e cicli di feedback di esecuzione simultaneamente. La combinazione di Qwen3.8-Flash-Next e della piattaforma all&#8217;avanguardia GB300 NVL72 di NVIDIA fornisce la memoria ad alta larghezza di banda e la potenza di elaborazione parallela necessarie per sostenere queste azioni multi-step degli agenti in modo fluido.<\/p>\n<p>Gli sviluppatori e i ricercatori che desiderano esplorare le capacit\u00e0 dell&#8217;anteprima dell&#8217;architettura Qwen4 possono accedere ai pesi del modello per effettuare benchmark sulla generazione di codice, sulla correzione degli errori e sulla navigazione software autonoma sotto carichi di lavoro pesanti.<\/p>\n<p><em>Fonte: <a href=\"https:\/\/developer.nvidia.com\/blog\/experiment-with-qwen3-8-flash-next-on-nvidia-gb300-nvl72-for-agentic-coding\/\" target=\"_blank\" rel=\"noopener noreferrer\">Articolo originale<\/a><\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Scopri l&#8217;anteprima del modello Qwen3.8-Flash-Next di Alibaba per il coding autonomo, valutato su hardware NVIDIA GB300 NVL72 con context window estesa.<\/p>\n","protected":false},"author":1,"featured_media":1162,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"googlesitekit_rrm_CAowrrDMDA:productID":"","tayfnews_source_url":"","footnotes":"","rank_math_focus_keyword":"Qwen3.8-Flash-Next, NVIDIA GB300 NVL72, Architettura Qwen4, Hardware, Modelli IA, Tecnologia","rank_math_title":"Testato Qwen3.8-Flash-Next su NVIDIA GB300 NVL72","rank_math_description":"Scopri l'anteprima del modello Qwen3.8-Flash-Next di Alibaba per il coding autonomo, valutato su hardware NVIDIA GB300 NVL72 con context window estesa."},"categories":[2],"tags":[],"class_list":["post-1163","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-technology"],"_links":{"self":[{"href":"https:\/\/www.tayfnews.tech\/it\/wp-json\/wp\/v2\/posts\/1163","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.tayfnews.tech\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.tayfnews.tech\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.tayfnews.tech\/it\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.tayfnews.tech\/it\/wp-json\/wp\/v2\/comments?post=1163"}],"version-history":[{"count":1,"href":"https:\/\/www.tayfnews.tech\/it\/wp-json\/wp\/v2\/posts\/1163\/revisions"}],"predecessor-version":[{"id":1164,"href":"https:\/\/www.tayfnews.tech\/it\/wp-json\/wp\/v2\/posts\/1163\/revisions\/1164"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.tayfnews.tech\/it\/wp-json\/wp\/v2\/media\/1162"}],"wp:attachment":[{"href":"https:\/\/www.tayfnews.tech\/it\/wp-json\/wp\/v2\/media?parent=1163"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.tayfnews.tech\/it\/wp-json\/wp\/v2\/categories?post=1163"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.tayfnews.tech\/it\/wp-json\/wp\/v2\/tags?post=1163"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}