DE
Gespräch buchen

Lokale KI · Rezept · 1× Mac

Qwen3.8-Flash-Next 176.9B Q4_K mit DwarfStar auf 1× Mac

Qwen3.8-Flash-Next 176.9B Q4_K mit DwarfStar auf 1× Mac: 48,4 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).

von antirez

48,4tok/sSpitze

1 Anfrage, Bestwert der Quelle, Kontext 32k

Quelle: github.com
Intelligenz (Originalmodell) · Artificial Analysis40mit Denken
Anleitung im README Repo

Engine

Engine
DwarfStar (ds4) main@0aaea5a (2026-09-20)
Quantisierung
Q4_K; 69.74 GiB resident, 95.37 GiB BF16-n-grams auf SSD
Modellfamilie
Qwen3.8-Flash-Next
Kontext
—
Parameter
176.9B, davon 51.2B n-gram-Tabelle (Angabe 0xBakeer-README)
Kreator
antirez
GitHub-Sterne
24.199
Repo-Stand
2. Nov. 2026

Messwerte

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

Decode · 1 Anfrage

  • Spitze (Decode)48,4 tok/sKontext 32K · Ohne MTP Quelle 

Prefill je Kontext

Was brauche ich

Hardware
1 × Mac / Apple Silicon
Engine
DwarfStar (ds4) main@0aaea5a (2026-09-20)

Hinweise

Was vor dem Nachbauen wichtig ist.

  • Einzelner Lauf
  • Lizenz ungeklärt

Quellen

Verwandte Rezepte

2× DGX Spark

Qwen3.8-Flash-Next 125B INT4-AutoRound mit TensorFold auf 2× DGX Spark (1M Kontext)

von MiaAI-Lab

89,3tok/sAlltag

1 Anfrage, Prosa-Prompt, mit MTP (laut Rezept) Quelle 

Intelligenzkein unabhängiger Wert
  • Eigener Kernel nötig
  • Lizenz ungeklärt

INT4-AutoRound (GPTQ int4, Top-5-Experten) + FP8 n-gram-Tabelle, FP8 KVTensorFold tensorfold-native (Zig, zig-flashnext db281878 + patches), Image ghcr.io/miaai-lab/qwen3.8-flash-dual-dgx-sparks-tensorfold:zig-db28187-f3e1300f4f62, TP=2 über CX7/RoCE, MTP + Copy-Drafts (QUANT=int4ar)Gewichte Repo Stand 26. Okt. 2026

Details
2× DGX Spark

Qwen3.8-Flash-Next INT4-AutoRound (v5.2) mit vLLM auf 2× DGX Spark

von myllmbox

74tok/sAlltag

1 Anfrage, Prosa-Prompt (lange Story), Thinking off, mit MTP Quelle 

Intelligenz40mit Denken
  • Eigener Kernel nötig
  • Lizenz ungeklärt

INT4-AutoRound (azampatti): int4-Experten, fp8-Seitenschichten; n-gram-Tabelle beim Laden fp8 → NVFP4, halb pro Box auf der GPU; KV-Pin 29G/Box (1.829.182 Tokens)vLLM 0.30 (Image myllmbox/qwen38-flash-next-cluster-vllm:v5.2; RecoverSSM, dynamischer Draft-Depth 3–7 in Full-CUDA-Graphs, sampled Drafts + Block-Verifikation, One-Shot-RoCE-All-Reduce, Dual-Rail, TP=2, 64 Seats) — Kit v5.2Gewichte Repo Stand 29. Okt. 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
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