1× Mac
155tok/sAlltag
1 Anfrage, llmprobe-Standardprompt, Thinking an, mit MTP + PLD (laut Rezept) Quelle
Intelligenz40mit Denken
- Experimentell
- Lizenz ungeklärt
Lokale KI · Rezept · 1× RTX 3090
Qwen3.8-Flash-Next EXL3 3.05 bpw mit Strata auf 1× RTX 3090 (USB-Dock) + Mac mini M4
Qwen3.8-Flash-Next EXL3 3.05 bpw mit Strata auf 1× RTX 3090 (USB-Dock) + Mac mini M4: 33,8 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).
von 0xSero
33,8tok/sGemischt
1 Anfrage, Mittel über 29 realistische Dokument-Prompts (3,7–19,8K Token), mit MTP (laut Rezept)
Quelle: github.comIntelligenz (Originalmodell) · Artificial Analysis40mit Denken
≤ 3 bit: Quantisierung kann Qualität kosten
Engine
- Engine
- Strata v0.1.41 (Niko1221, fb58e0dbc839) + Patches dieses Repos (Engine strata_o37u, Config LS) unter macOS über tgcu-CUDA-Shim auf tinygrads NV-Backend (3090 per USB); kalte Experten per Metal auf dem Mac mini M4 (16 GiB)
- Quantisierung
- EXL3 3.05 bpw (turboderp, Branch 3.05bpw_h5_ng5; alle 512 Experten, nichts geprunt), Dense-Teil + mmproj IQ3_S GSQ-RCO GGUF, KV k8v4; Experten verteilt auf 3090-VRAM, Mac-mini-RAM (LRU 6.400 Slots) und NVMe
- Modellfamilie
- Qwen3.8-Flash-Next
- Kontext
- 204.800
- Kreator
- 0xSero
- GitHub-Sterne
- 7
- Repo-Stand
- 1. Nov. 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 RTX 3090
- Gewichte
- Hauptgewichtturboderp/Qwen3.8-Flash-Next-exl3 other
- otherISTA-DASLab/Qwen3.8-Flash-Next-GSQ-RCO-GGUF Apache-2.0
- MTPQwen/Qwen3.8-Flash-Next other
- Engine
- Strata v0.1.41 (Niko1221, fb58e0dbc839) + Patches dieses Repos (Engine strata_o37u, Config LS) unter macOS über tgcu-CUDA-Shim auf tinygrads NV-Backend (3090 per USB); kalte Experten per Metal auf dem Mac mini M4 (16 GiB)
- Kontext
- 204.800 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.
- Eigener Kernel nötig
- vision
- Lizenz ungeklärt
Quellen
Verwandte Rezepte
4× RTX 3090
110tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP (laut Rezept) Quelle
Intelligenz40mit Denken
- Lizenz ungeklärt
2× DGX Spark
89,3tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
- Eigener Kernel nötig
- Lizenz ungeklärt
2× DGX Spark
74tok/sAlltag
1 Anfrage, Prosa-Prompt (lange Story), Thinking off, mit MTP Quelle
Intelligenz40mit Denken
- Eigener Kernel nötig
- Lizenz ungeklärt
4× DGX Spark
73tok/sAlltag
1 Anfrage, Decode bei 32K Kontext (Speed-Tabelle, Ring aus vier), Thinking on, xhigh Quelle
Intelligenz40mit Denken
- Eigener Kernel nötig
2× DGX Spark
69,6tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP (laut Rezept) Quelle
Intelligenz40mit Denken
- Lizenz ungeklärt
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.