4× RTX 3090
104tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
- Experimentell
- Lizenz ungeklärt
Lokale KI · Rezept · 2× RTX 5090
Nemotron-3-Puzzle 75.3B mit vLLM auf 2× RTX 5090
Nemotron-3-Puzzle 75.3B mit vLLM auf 2× RTX 5090: 149 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).
von noonghunna
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
Prefill je Kontext
Was brauche ich
- Hardware
- 2 × NVIDIA RTX 5090
- Gewichte
- Hauptgewichtdanielrmay/NVIDIA-Nemotron-Labs-3-Puzzle-75B-A9B-W4A16 other
- Engine
- vLLM
- Kontext
- 262.144 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
2× RTX 5090
249tok/sAlltag
1 Anfrage, Prosa-Prompt, ohne Spekulation Quelle
Intelligenz18mit Denkenohne Denken 15
- Lizenz ungeklärt
2× RTX 5090
218tok/sAlltag
1 Anfrage, Prosa-Prompt, ohne Spekulation Quelle
Intelligenzkein unabhängiger Wert
2× RTX 5090
168tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP Quelle
Intelligenz21mit Denkenohne Denken 20
2× RTX 5090
153tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP (laut Rezept) Quelle
Intelligenz21mit 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.