DE
Gespräch buchen

Lokale KI · Rezept · 2× RTX 3090

Agents-A1 35B FP8 mit vLLM auf 2× RTX 3090

Agents-A1 35B FP8 mit vLLM auf 2× RTX 3090: 151 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).

von noonghunna

151tok/sAlltag

1 Anfrage, Prosa-Prompt, ohne Spekulation

Quelle: github.com
Intelligenz (Originalmodell) · Artificial Analysiskein unabhängiger Wert
Anleitung im README Repo

Engine

Engine
vLLM
Quantisierung
FP8-dynamic compressed-tensors (offiziell InternScience); auf Ampere weight-only Marlin
Modellfamilie
Agents-A1
Kontext
262.144
Parameter
35B MoE / 3B aktiv
Kreator
noonghunna
GitHub-Sterne
2.471
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

  • Alltag (Decode)151 tok/sKanonischer bench.sh: Narrativ = 800-Wort-Essay (max_tokens 1000), Code = Quicksort (max_tokens 800), T=0.6, 3 Warmups + 5 Läufe, mean wall TPS; wall, decode 154.0, n=3, CV 0.1%, TTFT 130 ms Quelle 
  • Spitze (Decode)151 tok/sKanonischer bench.sh: Narrativ = 800-Wort-Essay (max_tokens 1000), Code = Quicksort (max_tokens 800), T=0.6, 3 Warmups + 5 Läufe, mean wall TPS; wall, decode 154.0, n=3, CV 0.1%, TTFT 130 ms Quelle 

Was brauche ich

Hardware
2 × NVIDIA RTX 3090
Gewichte
Engine
vLLM
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