DE
Gespräch buchen

Lokale KI · Rezept · 2× RTX 3090

Nemotron-3-Puzzle 75.3B mit vLLM auf 2× RTX 3090

Nemotron-3-Puzzle 75.3B mit vLLM auf 2× RTX 3090: 45,8 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).

von noonghunna

45,8tok/sAlltag

1 Anfrage, Prosa-Prompt, ohne Spekulation

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

Engine

Engine
vLLM
Quantisierung
Community W4A16 compressed-tensors (danielrmay), int8_per_token_head KV
Modellfamilie
Nemotron-3-Puzzle
Kontext
262.144
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

  • Alltag (Decode)45,8 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 (canonical, think-off); short-turn ~73 (Soak p50) Quelle 
  • Spitze (Decode)49 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 (canonical, think-off) Quelle 

Was brauche ich

Hardware
2 × NVIDIA RTX 3090
Engine
vLLM
Kontext
262.144 Token

Hinweise

Was vor dem Nachbauen wichtig ist.

  • Experimentell
  • Lizenz ungeklärt

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