4× RTX PRO 6000
235tok/sAlltag
1 Anfrage, Prosa-Prompt, Kontext 19, mit DSpark (laut Rezept) Quelle
Intelligenz34mit Denken
- Eigener Kernel nötig
Lokale KI · Rezept · 2× RTX 3090
DeepSeek-V4-Flash 284B mit llama.cpp auf 2× RTX 3090
DeepSeek-V4-Flash 284B mit llama.cpp auf 2× RTX 3090: 21,9 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).
von noonghunna
Engine
- Engine
- llama.cpp (club3090 build)
- Quantisierung
- GGUF Q8-moecache, Experten im RAM
- Modellfamilie
- DeepSeek-V4-Flash
- Kontext
- 200.000
- Parameter
- 284B MoE
- 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
Prefill je Kontext
Was brauche ich
- Hardware
- 2 × NVIDIA RTX 3090
- Gewichte
- Hauptgewichtunsloth/DeepSeek-V4-Flash-0731-GGUF MIT
- Engine
- llama.cpp (club3090 build)
- Kontext
- 200.000 Token
Hinweise
Was vor dem Nachbauen wichtig ist.
- Teils im Arbeitsspeicher
- Experimentell
Quellen
Verwandte Rezepte
4× DGX Spark
46tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark Quelle
Intelligenzkein unabhängiger Wert
4× DGX Spark
42tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
- Eigener Kernel nötig
3× DGX Spark
41,9tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
- Eigener Kernel nötig
2× DGX Spark
33,2tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
- Eigener Kernel nötig
1× DGX Spark
30,2tok/sAlltag
1 Anfrage, Story-Prompt, Prompt 18 Token, mit MTP (laut Rezept) Quelle
Intelligenz34mit Denken
- ≤ 3 bit: Quantisierung kann Qualität kosten
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.