DE
Gespräch buchen

Lokale KI · Rezept · 4× DGX Spark

DeepSeek-V4.1-Flash MXFP4 mit SGLang auf 4× DGX Spark (0xSero)

DeepSeek-V4.1-Flash MXFP4 mit SGLang auf 4× DGX Spark (0xSero): 59,1 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).

von 0xSero

59,1tok/sAlltag

1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept)

Quelle: github.com
Intelligenz (Originalmodell) · Artificial Analysis40mit Denkenohne Denken 25
Anleitung im README Repo

Engine

Engine
SGLang
Quantisierung
MXFP4 experts + FP8 dense
Modellfamilie
DeepSeek-V4.1-Flash
Kontext
1.048.576
Kreator
0xSero
GitHub-Sterne
281
Repo-Stand
2. Nov. 2026

Messwerte

Alle belegten Werte dieses Rezepts, je mit Bedingung und Quelle. Balken im Verhältnis zum größten Wert der Gruppe.

Decode · 1 Anfrage

  • Alltag (Decode)59,1 tok/sProse, sparkDash-Protokoll, 256 tok, T=0, thinking off, Median 3 Quelle 
  • Spitze (Decode)109 tok/sCode, sparkDash-Protokoll, 256 tok, Median 3 Quelle 

Prefill je Kontext

  • 32K3.402 tok/sCold, einzigartige Prompts (Artikel nennt 3,360) Quelle 

Was brauche ich

Hardware
4 × NVIDIA DGX Spark (GB10)
Engine
SGLang
Kontext
1.048.576 Token

Quellen

Verwandte Rezepte

8× DGX Spark

DeepSeek-V4.1-Flash FP8/MXFP4 mit SparkRing auf 8× DGX Spark

von fujitsupolycom

74tok/sAlltag

1 Anfrage, Generierung bei 32K Kontext (Speed-Tabelle, Ring aus acht), Thinking on, high, mit DSpark (laut Rezept); experimentelles Profil Quelle 

Intelligenz40mit Denkenohne Denken 25
  • Eigener Kernel nötig
  • Experimentell

Stock-Checkpoint FP8/MXFP4 (DeepSeek)vLLM (local-inference-lab Fork) via SparkRing (SIRCL-Collectives, switchless RDMA ueber ConnectX-7), Image Release 2026.10.2Gewichte Repo Stand 2. Nov. 2026

Details
2× DGX Spark

DeepSeek-V4.1-Flash EXL3 2.0 bpw mit vLLM auf 2× DGX Spark

von sfxnz

42,6tok/sAlltag

1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept) Quelle 

Intelligenz40mit Denkenohne Denken 25Wert des Originalmodells. Stark komprimiert (~2 Bit), Intelligenz dürfte deutlich niedriger liegen.
  • ≤ 3 bit: Quantisierung kann Qualität kosten
  • Experimentell
  • Eigener Kernel nötig

EXL3 2.0 bpw MCG (routed experts, tail-biting Viterbi re-encoded, scale refit), lm_head MXFP8, KV fp8 (8-GiB-Pin), DSpark-3vLLMGewichte Repo Stand 27. Sept. 2026

Details

← Zur Übersicht

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.

Zum KI-WorkshopZur Übersicht
Cookies

Mit Ihrer Einwilligung nutzen wir Google Analytics (Google, USA) und unsere eigene Reichweitenmessung, um zu verstehen, wie unsere Website genutzt wird. Technisch notwendige Speicherungen, etwa Ihre Cookie-Auswahl, erfolgen ohne Einwilligung. Ihre Wahl können Sie jederzeit über „Cookie-Einstellungen“ im Footer ändern. Datenschutzerklärung · Cookie-Richtlinie