DE
Gespräch buchen

Lokale KI · Rezept · 4× RTX 3090

DeepSeek-V4-Flash 180.4B Q3_K mit llama.cpp auf 4× RTX 3090

von alesha-pro

38,9tok/sSpitze

1 Anfrage, Bestwert der Quelle

Quelle: github.com
Intelligenz (Originalmodell) · Artificial Analysiskein unabhängiger Wert

≤ 3 bit: Quantisierung kann Qualität kosten

Anleitung im README Repo

Engine

Engine
llama.cpp ds4-longctx @b001c8cd73
Quantisierung
GGUF Experten Q3_K/Q4_K (down Q4_K), Attention/Shared/Indexer/Output Q8_0, APE F32; 89.9 GB, 3.99 bpw
Modellfamilie
DeepSeek-V4-Flash
Kontext
262.144
Parameter
180.4B MoE (REAP, 160/256 Experten)
Kreator
alesha-pro
Repo-Stand
7. Aug. 2026

Messwerte

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

Für dieses Rezept sind keine Messwerte mit Quelle belegt.

Was brauche ich

Hardware
4 × NVIDIA RTX 3090
Engine
llama.cpp ds4-longctx @b001c8cd73
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
  • Eigener Kernel nötig

Quellen

Verwandte Rezepte

1× DGX Spark

DeepSeek-V4-Flash IQ2_XXS mit DwarfStar auf 1× DGX Spark

von antirez

19,5tok/sAlltag

1 Anfrage, Prosa-Prompt, Kontext 4096, ohne Spekulation Quelle 

Intelligenz34mit DenkenWert des Originalmodells. Stark komprimiert (~2,1 Bit), Intelligenz dürfte deutlich niedriger liegen.
  • ≤ 3 bit: Quantisierung kann Qualität kosten

IQ2_XXS gate/up + Q2_K down (routed, imatrix), Q8 Attn/Shared/OutDwarfStar (ds4) main@0aaea5a (2026-09-20)Gewichte Repo Stand 20. 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