2× RTX 5090
149tok/sAlltag
1 Anfrage, Prosa-Prompt, ohne Spekulation Quelle
Intelligenzkein unabhängiger Wert
- Experimentell
- Lizenz ungeklärt
Lokale KI · Rezept · 4× RTX 3090
Nemotron-3-Puzzle 75.3B NVFP4 mit vLLM auf 4× RTX 3090
Nemotron-3-Puzzle 75.3B NVFP4 mit vLLM auf 4× RTX 3090: 104 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).
von noonghunna
Engine
- Engine
- vLLM
- Quantisierung
- NVIDIA modelopt NVFP4 (Experten) + FP8 (Mamba/Shared) → auf Ampere Marlin-W4A16-Dequant; fp8_e4m3 KV
- Modellfamilie
- Nemotron-3-Puzzle
- Kontext
- 200.000
- Parameter
- 75.3B MoE / 9.3B aktiv (Mamba2-Hybrid)
- 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
Was brauche ich
- Hardware
- 4 × NVIDIA RTX 3090
- Gewichte
- Hauptgewichtnvidia/NVIDIA-Nemotron-Labs-3-Puzzle-75B-A9B-NVFP4 other
- Engine
- vLLM
- Kontext
- 200.000 Token
Hinweise
Was vor dem Nachbauen wichtig ist.
- Experimentell
- Lizenz ungeklärt
Quellen
Verwandte Rezepte
2× RTX 3090
45,8tok/sAlltag
1 Anfrage, Prosa-Prompt, ohne Spekulation Quelle
Intelligenzkein unabhängiger Wert
- Experimentell
- Lizenz ungeklärt
4× RTX 3090
145tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DFlash (laut Rezept) Quelle
Intelligenz34mit Denkenohne Denken 20
- Experimentell
4× RTX 3090
110tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP (laut Rezept) Quelle
Intelligenz40mit Denken
- Lizenz ungeklärt
4× RTX 3090
105tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP (laut Rezept) Quelle
Intelligenz21mit Denkenohne Denken 20
4× RTX 3090
85,3tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DFlash2 (laut Rezept) Quelle
Intelligenz34mit Denkenohne Denken 20
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.