Datos y ML
Qwen3.8 en tu ordenador
«Qwen3.8 en tu ordenador» es un curso gratuito en español de nivel principiante con 14 lecciones y instrucciones para Windows, macOS y Linux. Forma parte de la serie «Modelos de IA de pesos abiertos (open weights)».
Qwen3.8 es la familia de modelos de pesos abiertos de Alibaba: 27B, Flash-Next y 2.4T. Curso paso a paso para saber cuál cabe en tu ordenador, qué permite cada licencia, instalarlo con Ollama o LM Studio en Windows, MacOS o Linux, configurarlo, usarlo desde Python para resumir PDF, programar y leer imágenes, y comprobarlo con casos de prueba de resultado conocido.
- Categoría
- Datos y ML
- Nivel
- Principiante
- Duración
- 4–5 horas
- Lecciones
- 14
- Precio
- Gratis
- Idioma
- Español
- Formato
- En línea, a tu ritmo
- Sistemas
- Windows, macOS y Linux
- Licencias explicadas
- Apache 2.0, Qwen Community License, Qwen3.8-Max License
Qué aprenderás
- Distinguir los tres modelos de Qwen3.8, sus versiones y lo que no existe en esta generación
- Elegir modelo, cuantización y programa según la memoria de tu ordenador y tu tarea
- Leer en lenguaje llano Apache 2.0, la Qwen Community License y la Qwen3.8-Max License
- Instalar y configurar Qwen3.8-27B con Ollama o LM Studio: razonamiento, muestreo y contexto
- Usar la API local desde Python para resumir PDF, generar código comprobado y describir imágenes
- Verificar la instalación con casos de prueba y resolver los errores más habituales
Para quién es
Curso de nivel principiante, con una duración estimada de 4–5 horas.
Para quien quiere un asistente como ChatGPT en su propio ordenador, sin enviar sus datos a nadie, empezando por el camino fácil de Ollama o LM Studio. Para Qwen3.8-27B hacen falta de 16 a 19 GB de memoria entre RAM y gráfica (sin gráfica, se aconsejan 32 GB de RAM) y 25 GB de disco libre.
Antes de empezar, revisa los requisitos de hardware y software de esta página.
Requisitos
Hardware: configuración mínima, recomendable y óptima
| Modelo | Mínima: funciona, pero lento o con poco contexto | Recomendable: uso diario cómodo | Óptima: calidad completa |
|---|---|---|---|
| 27B | Q4, de 16 a 19 GB de memoria total (RAM más VRAM) según Unsloth; LM Studio pide al menos 16 GB de RAM. Sin gráfica, nuestro consejo es tener 32 GB de RAM, porque el sistema y tus programas también ocupan. Disco: 25 GB libres. Contexto: 4.096. | Gráfica con 24 GB de VRAM, o Mac con 24 a 32 GB: Unsloth cita RTX 5080, RTX 4090 o Mac de 24 GB para 4 bits. Q4_K_M entero en la gráfica y 32k tokens de contexto en Ollama. | 48 GB o más de VRAM o memoria unificada: Q8_0 (31 GB de memoria según Unsloth) con 256k tokens de contexto en Ollama; BF16 necesita 56 GB. Como servidor: vLLM en una RTX 5090 de 32 GB con NVFP4 y 32.768 tokens, o en dos RTX 5090 con contexto completo. |
| Flash-Next | 75 GB de RAM o memoria unificada con la versión de 1 bit de Unsloth, que pierde precisión. Disco: 80 GB. | 96 a 128 GB: 4 bits ocupan de 96 a 114 GB. Unsloth recomienda 96 GB y destaca que en CPU con mucha RAM rinde mejor de lo habitual. | FP8 oficial (172,78 GiB) en una GPU GB300 de 288 GB, u ocho H200, con vLLM y al menos 51 GB de RAM para la tabla de n-gramas. |
| 2.4T-A95B | Al menos 450 GB de RAM con la versión de 1 bit de Unsloth (397 GB), que exige una rama especial de llama.cpp. Experimental. | NVFP4 (1,32 TiB) en ocho GPU B300, según la receta de vLLM. | FP8 oficial (2,27 TiB) en 16 B300 o 32 H200; BF16 (4,45 TiB) en 24 B300. |
Detalle completo en el paso 5: «¿Cabe en mi ordenador? Memoria, cuantización y tres configuraciones».
Software y servicios
Sistemas operativos
Instrucciones propias para Windows, macOS y Linux.
Modelos y descarga oficial
- Qwen3.8-27B
- Qwen3.8-27B-FP8
- Qwen3.8-Flash-Next
- Qwen3.8-2.4T-A95B
- Qwen3.8-2.4T-A95B-FP8
- Qwen3.8-27B-GGUF (ggml-org) Conversión GGUF publicada por ggml-org, la organización de llama.cpp; Qwen no publica GGUF propio.
- Qwen3.8-Flash-Next-GGUF (Unsloth) Conversión GGUF de Unsloth, no de Qwen.
Licencia del modelo
Licencias que explica el curso: Apache 2.0, Qwen Community License y Qwen3.8-Max License.
Objetivo del curso: leer en lenguaje llano Apache 2.0, la Qwen Community License y la Qwen3.8-Max License.
Se explica en el paso 4: «La licencia de cada modelo, en lenguaje llano».
Temario del curso
- 1Qué es Qwen3.8 y qué vas a montar en tu ordenador
- 2El mapa de la familia: tres modelos, seis descargas
- 3En qué es bueno cada modelo y para qué no usarlo
- 4La licencia de cada modelo, en lenguaje llano
- 5¿Cabe en mi ordenador? Memoria, cuantización y tres configuraciones
- 6Elige tu combinación: modelo, compresión y programa
- 7Camino fácil 1: instala Ollama y descarga Qwen3.8-27B
- 8Camino fácil 2: LM Studio, todo con ventanas
- 9Un chat bien configurado: razonamiento, parámetros de muestreo y contexto
- 10Tu Qwen local como API: pruébala y llámala desde Python
- 11Tres ejemplos: resumir un PDF, programar y mirar una imagen
- 12Camino avanzado: llama.cpp, vLLM y MLX
- 13Casos de prueba: comprueba que tu instalación responde bien
- 14Errores típicos y cómo salir de ellos
Preguntas frecuentes
¿Qué aprenderé en el curso «Qwen3.8 en tu ordenador»?
Al terminar podrás: distinguir los tres modelos de Qwen3.8, sus versiones y lo que no existe en esta generación; elegir modelo, cuantización y programa según la memoria de tu ordenador y tu tarea; leer en lenguaje llano Apache 2.0, la Qwen Community License y la Qwen3.8-Max License; instalar y configurar Qwen3.8-27B con Ollama o LM Studio: razonamiento, muestreo y contexto; usar la API local desde Python para resumir PDF, generar código comprobado y describir imágenes; verificar la instalación con casos de prueba y resolver los errores más habituales.
¿Para quién es, qué nivel tiene y cuánto dura?
Es un curso de nivel principiante. Para quien quiere un asistente como ChatGPT en su propio ordenador, sin enviar sus datos a nadie, empezando por el camino fácil de Ollama o LM Studio. Para Qwen3.8-27B hacen falta de 16 a 19 GB de memoria entre RAM y gráfica (sin gráfica, se aconsejan 32 GB de RAM) y 25 GB de disco libre. Duración estimada: 4–5 horas, en 14 lecciones.
¿Qué ordenador necesito? ¿Cuál es la configuración mínima, recomendable y óptima?
El paso 5, «¿Cabe en mi ordenador? Memoria, cuantización y tres configuraciones», compara tres configuraciones. Mínima: funciona, pero lento o con poco contexto — 27B: Q4, de 16 a 19 GB de memoria total (RAM más VRAM) según Unsloth; LM Studio pide al menos 16 GB de RAM. Sin gráfica, nuestro consejo es tener 32 GB de RAM, porque el sistema y tus programas también ocupan. Disco: 25 GB libres. Contexto: 4.096.; Flash-Next: 75 GB de RAM o memoria unificada con la versión de 1 bit de Unsloth, que pierde precisión. Disco: 80 GB.; 2.4T-A95B: Al menos 450 GB de RAM con la versión de 1 bit de Unsloth (397 GB), que exige una rama especial de llama.cpp. Experimental. Recomendable: uso diario cómodo — 27B: Gráfica con 24 GB de VRAM, o Mac con 24 a 32 GB: Unsloth cita RTX 5080, RTX 4090 o Mac de 24 GB para 4 bits. Q4_K_M entero en la gráfica y 32k tokens de contexto en Ollama.; Flash-Next: 96 a 128 GB: 4 bits ocupan de 96 a 114 GB. Unsloth recomienda 96 GB y destaca que en CPU con mucha RAM rinde mejor de lo habitual.; 2.4T-A95B: NVFP4 (1,32 TiB) en ocho GPU B300, según la receta de vLLM. Óptima: calidad completa — 27B: 48 GB o más de VRAM o memoria unificada: Q8_0 (31 GB de memoria según Unsloth) con 256k tokens de contexto en Ollama; BF16 necesita 56 GB. Como servidor: vLLM en una RTX 5090 de 32 GB con NVFP4 y 32.768 tokens, o en dos RTX 5090 con contexto completo.; Flash-Next: FP8 oficial (172,78 GiB) en una GPU GB300 de 288 GB, u ocho H200, con vLLM y al menos 51 GB de RAM para la tabla de n-gramas.; 2.4T-A95B: FP8 oficial (2,27 TiB) en 16 B300 o 32 H200; BF16 (4,45 TiB) en 24 B300.
¿En qué sistemas operativos se puede seguir?
El curso da instrucciones propias para Windows, macOS y Linux.
¿Qué licencia tiene el modelo y qué permite hacer?
Se explica en el paso 4, «La licencia de cada modelo, en lenguaje llano». Licencias que trata: Apache 2.0, Qwen Community License y Qwen3.8-Max License. Objetivo del curso: leer en lenguaje llano Apache 2.0, la Qwen Community License y la Qwen3.8-Max License.
¿Dónde se descargan los modelos?
De sus páginas oficiales de descarga: Qwen3.8-27B (https://huggingface.co/Qwen/Qwen3.8-27B); Qwen3.8-27B-FP8 (https://huggingface.co/Qwen/Qwen3.8-27B-FP8); Qwen3.8-Flash-Next (https://huggingface.co/Qwen/Qwen3.8-Flash-Next); Qwen3.8-2.4T-A95B (https://huggingface.co/Qwen/Qwen3.8-2.4T-A95B); Qwen3.8-2.4T-A95B-FP8 (https://huggingface.co/Qwen/Qwen3.8-2.4T-A95B-FP8); Qwen3.8-27B-GGUF (ggml-org) (https://huggingface.co/ggml-org/Qwen3.8-27B-GGUF); Qwen3.8-Flash-Next-GGUF (Unsloth) (https://huggingface.co/unsloth/Qwen3.8-Flash-Next-GGUF).
¿Qué programas o servicios se usan?
Ollama, LM Studio, Python, llama.cpp, vLLM, mlx-vlm y PowerShell o Terminal.
¿El curso es gratis?
Sí. El curso es gratuito. Puedes crear una cuenta gratuita en Taku para guardar tu progreso.
¿Forma parte de una serie?
Sí, de la serie «Modelos de IA de pesos abiertos (open weights)», con estos cursos: «Muse Spark Open paso a paso», «FLUX 3 Klein en tu ordenador», «Timestral: previsiones sin GPU», «Nemotron 3.5 en local» y «Qwen3.8 en tu ordenador».