LLMs

Qwen3.8-Flash-Next von RTX 3090 bis RTX PRO 6000: alle Messwerte nebeneinander. Warum die Sprünge nicht linear sind und Prefill die heimliche Belohnung ist.

Von „ich habe einen Rechner“ zu „mein Endpoint läuft“: Hardware ehrlich einordnen, Stack wählen, Use Case wiren, selbst messen — mit Rezepten für jede Stufe.

Anschaffung, Strom, Durchsatz und API-Gegenrechnung: bei Flash-Preisen ist lokal kein Sparprogramm — sondern ein Kontrolle-Programm. Alle Zahlen nachgerechnet.

Decode vs. Prefill, mean wall TPS, Quant-Fidelity: 4 Fallen bei Benchmark-Zahlen — und die 5-Minuten-Selbstmessung. Mit echten Messwerten aus 300 Community-Rezepten.

GLM-5.3-Flash, DeepSeek V4.1 Flash und Qwen3.8-Flash-Next im Überblick — und die ehrliche Hardware-Matrix: was läuft auf Laptop, Mac Studio, DGX Spark und Multi-GPU-Node?

Claude Code als Baum: Opus 5.5 mit Effort high im Main-Loop, Fable 5.1 per /advisor, Subagenten auf Sonnet/Haiku — Setup zum Kopieren plus Kostenrechnung.

Eine gebrauchte RTX 3090 decodiert Qwen-27B in Q4 mit 30–35 tok/s — und unser Cluster-Betrieb senkte die API-Kosten von 127,56 $/Tag auf 0 $/Tag. Alle Zahlen gegen den DGX Spark.

Der M5 Ultra ist die schnellste leise Einzelplatz-Maschine für große MoE-Modelle. Verifizierte Specs, Preise, Benchmarks, X-Community-Werte und unsere eigenen Messungen auf DGX-Spark-Hardware.

Welche Hardware bringt 2026 die meisten Tokens pro Euro? Vergleichstabelle, Tokens/s nach Modell und Hardware, unsere eigene DGX-Spark-Messung und Kosten pro Token gegenüber der Cloud.

Drei unabhängige Messwellen beziffern die System-One-Klasse: 92–214 ms pro Entscheidung, unter 1 Cent für 8 Requests, JevBench 75.3 — und der 200x-Faktor schrumpft beim Nachmessen auf rund 25x.

Die drei Open-Weight-Flash-Modelle von August 2026 — Qwen 3.8 Flash Next, GLM 5.3 Flash und DeepSeek V4 Flash — sprengen die klassische 27B-Logik. Der sinnvolle Einstieg liegt bei 96 GB, das Arbeitspferd ist das 256-GB-Paket ab 10.999 Euro, und 512 GB kommt erst Ende Oktober. Wer unter 1 Million Tokens am Tag bewegt, fährt mit der API fast immer billiger als mit der Hardware.

Tencents Hy-4 Preview bringt ein 770B-MoE-Flagship (49B aktive Parameter, 1M Kontext, Apache 2.0) für 0,834/2,501 Dollar pro Million Tokens. Die Preisrechnung gegen GLM-5.3 Flash und GPT-6 Astra — und die Entscheidungsregel, welches Open-Weight-Modikell welchen Slot im Agent-Stack bekommt.