Qwen 3.8 no harness do DeepSeek: grátis, local e com uma ressalva
Autoria: Leon van Zyl · Assistir no YouTube
Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.
Idioma original: inglês
Vídeo original: Qwen 3.8 in DeepSeek Harness: Free, Local, One Catch · Canal: Leon van Zyl · 00:30 · Assistir no YouTube
Tópicos: Agentes de IA, Engenharia de prompts e contexto, Modelos locais e open source
O vídeo apresenta Qwen 3.8 sendo executado localmente no harness do DeepSeek, com acesso limitado às ferramentas escolhidas pelo usuário. O modelo precisa de cerca de 16 GB de VRAM, e o narrador alerta que modelos locais não são muito bons para executar subagents nem para usar o Ralph loop. Como alternativa, ele sugere criar presets próprios e evitar incluir ferramentas que o agent não poderá usar, para não desperdiçar a context window. Ao final, anuncia um link para seu curso na descrição.
Pontos-chave
Seção intitulada “Pontos-chave”- Qwen 3.8 é apresentado como um modelo gratuito executado localmente no harness do DeepSeek.
- O modelo requer cerca de 16 GB de VRAM.
- O acesso do modelo pode ser limitado às ferramentas escolhidas pelo usuário.
- O narrador desaconselha usar modelos locais para executar subagents.
- O narrador também desaconselha usar o Ralph loop com modelos locais.
- É possível criar presets próprios para configurar as ferramentas disponíveis.
- Ferramentas inutilizáveis pelo agent podem desperdiçar espaço na context window.
- O narrador informa que o link para seu curso estará na descrição.
Capítulos
Seção intitulada “Capítulos”| Início | Capítulo | Resumo |
|---|---|---|
| 00:00 | Qwen 3.8 em execução local | O narrador apresenta o modelo no harness do DeepSeek, estima o requisito de VRAM e comenta limitações de modelos locais. |
| 00:30 | Link para o curso | O narrador informa que incluirá um link para seu curso na descrição do vídeo. |
Citações
Seção intitulada “Citações”Temos um modelo gratuito rodando localmente. — 00:00
Você vai precisar de cerca de 16 GB de VRAM. — 00:00
Não queremos desperdiçar a context window com ferramentas que o agent nunca pode usar. — 00:00
Vou deixar o link do meu curso na descrição do vídeo. — 00:30
Conceitos e entidades
Seção intitulada “Conceitos e entidades”- Qwen3.8 (modelo): Modelo que o narrador executa localmente e recomenda como opção de sua preferência.
- DeepSeek Harness (ferramenta): Ambiente citado como o local onde o modelo é executado com acesso configurado às ferramentas.
- VRAM (conceito): Memória de vídeo; o narrador estima que são necessários cerca de 16 GB para executar o modelo.
- Ralph loop (conceito): Loop que o narrador recomenda não usar com modelos locais.
- context window (conceito): Janela de contexto que pode ser ocupada desnecessariamente por ferramentas que o agent não consegue usar.
- Leon van Zyl (pessoa): Criador do vídeo que apresenta o modelo local e menciona seu curso.
Tradução completa (pt-BR)
Seção intitulada “Tradução completa (pt-BR)”00:00 Agora, temos um modelo gratuito rodando dentro do DeepSeek Harness, otimizado apenas com as ferramentas às quais queremos dar acesso. Pessoalmente, sou um grande fã do Qwen 3.8, e você vai precisar de cerca de 16 GB de VRAM para rodar esse modelo. Modelos locais não são muito bons para executar coisas como subagents, e realmente não deveríamos rodar o Ralph loop usando modelos locais. O que podemos fazer é criar nossos próprios presets. Você não vai querer estourar a context window com ferramentas que o agent nunca poderá usar. Vou
00:30 deixar o link do meu curso na descrição do vídeo.
Transcrição original
[00:00] Now, we have a free model running inside DeepSea Corners, and it’s optimized with only the tools that we want to give it access to. I’m personally a massive fan of Queen 3.8, and you’ll need round about 16 gig of VRAM to run this model. Local models are really not that good at running things like sub-agents, and we really shouldn’t be running the Ralph loop using local models. What we can do is create our very own presets. You do not want to blow the context window with tools that the agent can never use. I’ll
[00:30] link to my course in the description of the video.