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 · 4× RTX 3090
DeepSeek-V4-Flash 284B UD-IQ2_M mit llama.cpp auf 4× RTX 3090
DeepSeek-V4-Flash 284B UD-IQ2_M mit llama.cpp auf 4× RTX 3090: 39,3 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).
von alesha-pro
Intelligenz (Originalmodell) · Artificial Analysis34mit Denken
≤ 3 bit: Quantisierung kann Qualität kosten
Engine
- Engine
- llama.cpp ds4-longctx @b001c8cd73 (2026-08-07)
- Quantisierung
- Unsloth UD-IQ2_M GGUF (2.56 bpw, 91 GB), fp8-KV-Kernel
- Modellfamilie
- DeepSeek-V4-Flash
- Kontext
- 131.072
- Parameter
- 284B MoE
- Kreator
- alesha-pro
- GitHub-Sterne
- 56
- Repo-Stand
- 8. Aug. 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
- 4 × NVIDIA RTX 3090
- Gewichte
- Hauptgewichtunsloth/DeepSeek-V4-Flash-0731-GGUF MIT
- Engine
- llama.cpp ds4-longctx @b001c8cd73 (2026-08-07)
- Kontext
- 131.072 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
- github.com/alesha-pro/llama.cpp/blob/ds4-longctx/README.md
- github.com/alesha-pro/llama.cpp/blob/ds4-longctx/README.md#2026-08-06-decode-night--393--445-ts-13-prefill-untouched
- github.com/alesha-pro/llama.cpp/blob/ds4-longctx/DS4HANDOFF.md
- github.com/alesha-pro/llama.cpp/blob/ds4-longctx/scripts/ds4-prod-serve.sh
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.