DE
Gespräch buchen

Lokale KI · Rezept · 4× RTX PRO 6000

Qwen3.5 397B-A17B NVFP4 mit vLLM auf 4× RTX PRO 6000

Qwen3.5 397B-A17B NVFP4 mit vLLM auf 4× RTX PRO 6000: 139 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).

von brandonmmusic-max

139tok/sAlltag

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

Quelle: github.com
Intelligenz (Originalmodell) · Artificial Analysis18mit Denkenohne Denken 21
Anleitung im README Repo

Engine

Engine
vLLM 0.17.1rc1
Quantisierung
NVFP4
Modellfamilie
Qwen3.5
Kontext
262.144
Parameter
397B MoE / 17B active
Kreator
brandonmmusic-max
GitHub-Sterne
6
Repo-Stand
6. Sept. 2026

Messwerte

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

Decode · 1 Anfrage

  • Alltag (Decode)139 tok/sKontext 0 · Engine-Throughput (/metrics), 30 s/Zelle, "real generation prompts" Quelle 
  • Spitze (Decode)139 tok/sKontext 0 · Engine-Throughput (/metrics), 30 s/Zelle, "real generation prompts" Quelle 

Prefill je Kontext

Zeit bis zum ersten Token

Kürzer ist besser.

Was brauche ich

Hardware
4 × NVIDIA RTX PRO 6000 Blackwell
Gewichte
Engine
vLLM 0.17.1rc1
Kontext
262.144 Token

Hinweise

Was vor dem Nachbauen wichtig ist.

  • Eigener Kernel nötig

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