1× Strix Halo
41,3tok/sGemischt
1 Anfrage, gemischtes Prompt-Set, mit ndt=3 Quelle
Intelligenz40mit Denken
- Eigener Kernel nötig
- Lizenz ungeklärt
Lokale KI · Rezept · 1× Strix Halo
Qwen3.5-122B-A10B Q4_K_M mit llama.cpp auf 1× Strix Halo
Qwen3.5-122B-A10B Q4_K_M mit llama.cpp auf 1× Strix Halo: 28,4 tok/s laut huggingface.co (Datensatz-Stand: 3. Nov. 2026).
von 0xSero
Engine
- Engine
- llama.cpp b8746
- Quantisierung
- GGUF Q4_K_M (4.86 bpw)
- Modellfamilie
- Qwen3.5-122B-A10B
- Kontext
- 262.144
- Parameter
- 99B total / ~10B active (REAP 20 %)
- Kreator
- 0xSero
- GitHub-Sterne
- 11
- Repo-Stand
- 30. Mai 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 × AMD Strix Halo
- Gewichte
- Hauptgewicht0xSero/Qwen3.5-99B-GGUF other
- Basis0xSero/Qwen3.5-99B other
- Engine
- llama.cpp b8746
- Kontext
- 262.144 Token
Hinweise
Was vor dem Nachbauen wichtig ist.
- REAP-beschnitten
- Lizenz ungeklärt
Quellen
Verwandte Rezepte
1× Strix Halo
85,1tok/sSpitze
1 Anfrage, synthetischer Prompt Quelle
Intelligenz8mit Denkenohne Denken 7
1× Strix Halo
70,2tok/sSpitze
1 Anfrage, synthetischer Prompt Quelle
Intelligenz18mit Denkenohne Denken 15
1× Strix Halo
16,3tok/sSpitze
1 Anfrage, Code-Prompt 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.