mesh.applied، شرکت تخصص در بهینه‌سازی مدل‌های هوش مصنوعی، گزارش داد که مدل Qwen3.8‑Flash‑Next‑NVFP4 می‌تواند روی یک کارت گرافیک RTX 6000 با سرعت ۳۳۴ توکن در ثانیه برای چهار کاربر اجرا شود. این مدل پس از مراحل پس‑آموزش، کمّی‌سازی و تخصصی‌سازی کرنل، برای کارهای کدنویسی و کاربردهای روزانه بهینه شده است. در مقایسه، مدل DeepSeek‑V4.1‑Flash‑Ternary نیاز به چهار RTX 6000 دارد و برای چهار کاربر ۲۷۶ توکن در ثانیه پردازش می‌کند، که مناسب کارهای پیچیده کدگذاری و تحقیق است. هر دو مدل با چارچوب Goethе (goethe) قابل دسترس هستند و می‌توانند از طریق مخزن GitHub meshapplied/goethe دریافت شوند. استفاده از تکنیک‌های NVFP4 و ternarizing به کاهش مصرف حافظه و افزایش throughput کمک می‌کند. این نتایج نشان می‌دهد که با سخت‌افزار محلی و بدون نیاز به سرورهای ابری، می‌توان inferencing مدل‌های بزرگ را با تأخیر کم انجام داد. شرکت تأکید کرد که هدف آن ارائه مدل‌های باز-source بهینه برای توسعه‌دهندگان و محققان است. هیچ قیمتی یا محدودیت جغرافیایی در متن ذکر نشده است.
