尝试在 AI MAX+ 395上本地运行 Qwen 3.8 Flash Next (UD-IQ4) 并接入Kimi Code 用于 Coding 任务：

1，AI MAX+ 395 现在在 Windows 系统中最大可以分配 102GB 显存（含共享），Qwen 3.8 Flash Next (UD-IQ4) 运行时的内存占用在 100GB 左右（此时约 57.9k 上下文，见图2）

2，由于Qwen 3.8 Flash Next的激活参数仅有 6B，AI MAX+ 395实际跑起来速度其实比之前开源的 Qwen 3.8 27B 更快：Prefill 大约 200 tokens/s，Decode 大约16 tokens/s，这个速度确实不Flash，但已经在可用范围内

3，根据Unsloth的报告，UD-IQ4 量化的 Top-1 Accuracy 接近原版的 90%，实际使用下来，体感我认为已经相当好了（注意：这是建立在“本地部署”这个大前提下的）

放在以前，我觉得无论是 AI MAX+ 还是 DGX Spark 都卡在非常尴尬的位置，跑27B Dense 或者 35B-A3B 这样的定位“边缘计算”的模型，它们的大内存派不上用场，推理速度又不够快

真要发挥大显存优势，跑个 Flash 级别的模型，比如 DeepSeek V4 Flash，那 128GB 内存又不够看，至少得是双机运行，而一旦双机运行了，推理速度又要雪上加霜

而 Qwen 3.8 Flash Next 的出现改变了这一点，125B 的尺寸完美卡在了 128GB 统一内存的优势区间，6B 的激活参数又让它的推理速度不至于太慢，速度能够落在可用的范围内，真的是“为AI MAX+和DGX Spark而生的模型”

至于 RTX Spark……我认为反而不在受益范围内，因为一旦开始推理这么大规模的模型，系统资源就不剩下多少了，最合理的做法依然是弄一台小主机开好 API 服务放在局域网里，然后用其他电脑的 Coding Agent 去访问 API