4× RTX PRO 6000
81,7tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP Quelle
Intelligenz34mit Denkenohne Denken 22
- ≤ 3 bit: Quantisierung kann Qualität kosten
Lokale KI · Rezept · 4× RTX PRO 6000
GLM-5.2 NVFP4 mit vLLM auf 4× RTX PRO 6000 (250k Kontext)
GLM-5.2 NVFP4 mit vLLM auf 4× RTX PRO 6000 (250k Kontext): 58,5 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).
Engine
- Engine
- vLLM
- Quantisierung
- NVFP4 (REAP 172 Experten/Layer) + NVFP4 MLA KV (nvfp4_ds_mla)
- Modellfamilie
- GLM-5.2
- Kontext
- 250.000
- Kreator
- brandonmmusic-max
- GitHub-Sterne
- 2
- Repo-Stand
- 29. Juni 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 PRO 6000 Blackwell
- Gewichte
- Hauptgewichtbrandonmusic/GLM-5.2-NVFP4-REAP-Recall-N172 MIT
- Engine
- vLLM
- Kontext
- 250.000 Token
Hinweise
Was vor dem Nachbauen wichtig ist.
- Beschnitten
- Eigener Kernel nötig
Quellen
Verwandte Rezepte
4× RTX PRO 6000
70,7tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP Quelle
Intelligenz34mit Denkenohne Denken 22
- ≤ 3 bit: Quantisierung kann Qualität kosten
4× RTX PRO 6000
64tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP (laut Rezept) Quelle
Intelligenz34mit Denkenohne Denken 22
- ≤ 3 bit: Quantisierung kann Qualität kosten
- Eigener Kernel nötig
4× RTX PRO 6000
104tok/sGemischt
1 Anfrage, gemischtes Prompt-Set, mit MTP (laut Rezept) Quelle
Intelligenz34mit Denkenohne Denken 22
- ≤ 3 bit: Quantisierung kann Qualität kosten
4× RTX PRO 6000
92,5tok/sGemischt
1 Anfrage, gemischtes Prompt-Set, mit MTP Quelle
Intelligenzkein unabhängiger Wert
4× DGX Spark
23,7tok/sGemischt
1 Anfrage, gemischtes Prompt-Set, mit MTP (laut Rezept) Quelle
Intelligenz34mit Denkenohne Denken 22
- Experimentell
- Eigener Kernel nötig
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.