1× Strix Halo
85,1tok/sSpitze
1 Anfrage, synthetischer Prompt Quelle
Intelligenz8mit Denkenohne Denken 7
Lokale KI · Rezept · 2× RTX 3090
Qwen3 BF16 mit vLLM auf 2× RTX 3090
von alesha-pro
Für dieses Rezept ist kein Tempowert belegt. Die Seite ist deshalb nicht indexiert.
Engine
- Engine
- vLLM 0.26.0
- Quantisierung
- BF16 (Modelle), Ridge-Mapper fp32/bf16
- Modellfamilie
- Qwen3
- Kontext
- 32.768
- Parameter
- Qwen3-0.6B → Qwen3-1.7B (BF16, 8 KV heads, head_dim 128, 28 Layer)
- Kreator
- alesha-pro
- GitHub-Sterne
- 17
- Repo-Stand
- 10. Aug. 2026
Messwerte
Alle belegten Werte dieses Rezepts, je mit Bedingung und Quelle. Balken im Verhältnis zum größten Wert der Gruppe.
Zeit bis zum ersten Token
Kürzer ist besser.
Was brauche ich
- Hardware
- 2 × NVIDIA RTX 3090
- Gewichte
- BasisQwen/Qwen3-0.6B Apache-2.0
- HauptgewichtQwen/Qwen3-1.7B Apache-2.0
- Engine
- vLLM 0.26.0
- Kontext
- 32.768 Token
Hinweise
Was vor dem Nachbauen wichtig ist.
- Experimentell
Quellen
Verwandte Rezepte
2× RTX 3090
199tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
2× RTX 3090
187tok/sAlltag
1 Anfrage, Prosa-Prompt, Prompt 450 Token, ohne Spekulation Quelle
Intelligenzkein unabhängiger Wert
2× RTX 3090
179tok/sAlltag
1 Anfrage, Prosa-Prompt, ohne Spekulation Quelle
Intelligenz18mit Denkenohne Denken 15
- Lizenz ungeklärt
2× RTX 3090
151tok/sAlltag
1 Anfrage, Prosa-Prompt, ohne Spekulation Quelle
Intelligenzkein unabhängiger Wert
2× RTX 3090
144tok/sAlltag
1 Anfrage, Prosa-Prompt, ohne Spekulation Quelle
Intelligenzkein unabhängiger Wert
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.