DE
Gespräch buchen

Lokale KI · Rezept · 4× RTX 3090

Qwen3.8 27B NVFP4 mit vLLM auf 4× RTX 3090

Qwen3.8 27B NVFP4 mit vLLM auf 4× RTX 3090: 76,7 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).

von alesha-pro

76,7tok/sGemischt

1 Anfrage, gemischtes Prompt-Set, Kontext 8k, mit MTP

Quelle: github.com
Intelligenz (Originalmodell) · Artificial Analysis34mit Denkenohne Denken 20
Anleitung im README Repo

Engine

Engine
vLLM 0.26.0
Quantisierung
NVFP4 (compressed-tensors, Marlin-Kernel auf SM86) + FP8 KV
Modellfamilie
Qwen3.8
Kontext
262.144
Parameter
27B dense
Kreator
alesha-pro
GitHub-Sterne
13
Repo-Stand
28. Sept. 2026

Messwerte

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

Decode · 1 Anfrage

  • Gemischt (Decode)76,7 tok/sKontext 8K · TP4/FP8 KV/no-MTP, median steady decode nach 1. Token, 128 generierte Tokens, temp 0.7, Prefix-Cache aus; synthetischer Prompt der Tiefe 8K Quelle 
  • Spitze (Decode)84,3 tok/sKontext 254K · TP4/FP8 KV/MTP2 – vom Autor per verify-headline.log als Kurzfenster-Ausreißer entwertet (lange Generierungen ~75, wie ohne MTP); nur als Kontext, nicht als Hauptzahl Quelle 

Prefill je Kontext

  • 8K824 tok/sTP4/FP8 KV/no-MTP, effektive Prompt-Tokens/s bis 1. Token (cold, Prefix-Cache aus) Quelle 

Was brauche ich

Hardware
4 × NVIDIA RTX 3090
Gewichte
Engine
vLLM 0.26.0
Kontext
262.144 Token

Quellen

Verwandte Rezepte

← 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
Cookies

Mit Ihrer Einwilligung nutzen wir Google Analytics (Google, USA) und unsere eigene Reichweitenmessung, um zu verstehen, wie unsere Website genutzt wird. Technisch notwendige Speicherungen, etwa Ihre Cookie-Auswahl, erfolgen ohne Einwilligung. Ihre Wahl können Sie jederzeit über „Cookie-Einstellungen“ im Footer ändern. Datenschutzerklärung · Cookie-Richtlinie