4× RTX PRO 6000
235tok/sAlltag
1 Anfrage, Prosa-Prompt, Kontext 19, mit DSpark (laut Rezept) Quelle
Intelligenz34mit Denken
- Eigener Kernel nötig
Lokale KI · Rezept · 1× DGX Spark
DeepSeek-V4-Flash EXL3 3.0 bpw mit vLLM auf 1× DGX Spark (256k Kontext)
DeepSeek-V4-Flash EXL3 3.0 bpw mit vLLM auf 1× DGX Spark (256k Kontext): 38,1 tok/s laut huggingface.co (Datensatz-Stand: 3. Nov. 2026).
von 0xSero
Intelligenz (Originalmodell) · Artificial Analysiskein unabhängiger Wert
≤ 3 bit: Quantisierung kann Qualität kosten
Engine
- Engine
- vLLM
- Quantisierung
- REAP-pruned + EXL3/Trellis TR3 ~3.0 bpw experts, FP8 carried tensors; KV: 584-Byte padded FP8 sparse-MLA (nvfp4_ds_mla-Pfad)
- Modellfamilie
- DeepSeek-V4-Flash
- Kontext
- 262.144
- Parameter
- REAP: 216 von 256 routed experts behalten (Gesamtparameter nicht angegeben)
- Kreator
- 0xSero
- GitHub-Sterne
- 166
- Repo-Stand
- 25. Sept. 2026
Messwerte
Alle belegten Werte dieses Rezepts, je mit Bedingung und Quelle. Balken im Verhältnis zum größten Wert der Gruppe.
Decode · 1 Anfrage
Prefill je Kontext
Was brauche ich
- Hardware
- 1 × NVIDIA DGX Spark (GB10)
- Gewichte
- Hauptgewicht0xSero/deepseek-v4-flash-0731-spark MIT
- Basis0xSero/DeepSeek-V4-Flash-0731-EXL3-3.0bpw MIT
- Basisdeepseek-ai/DeepSeek-V4-Flash-0731 MIT
- Engine
- vLLM
- Kontext
- 262.144 Token
Hinweise
Was vor dem Nachbauen wichtig ist.
- ≤ 3 bit: Quantisierung kann Qualität kostenBei 3 bit und weniger kann das Modell spürbar schlechter antworten als das Original. Die Intelligenz-Zahl gilt für das Original.
- Experimentell
- REAP-beschnitten
- Eigener Kernel nötig
Quellen
Verwandte Rezepte
4× DGX Spark
46tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark Quelle
Intelligenzkein unabhängiger Wert
4× DGX Spark
42tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
- Eigener Kernel nötig
3× DGX Spark
41,9tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
- Eigener Kernel nötig
2× DGX Spark
33,2tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
- Eigener Kernel nötig
1× DGX Spark
30,2tok/sAlltag
1 Anfrage, Story-Prompt, Prompt 18 Token, mit MTP (laut Rezept) Quelle
Intelligenz34mit Denken
- ≤ 3 bit: Quantisierung kann Qualität kosten
Lokale KI im eigenen Unternehmen?
Im Workshop klären wir, welche Modelle und welche Hardware zu Ihren Aufgaben passen, und bauen den ersten Agenten auf Ihrer Infrastruktur.