2× RTX 3090Qwen3.8-27B (ThinkingCap-Finetune)
108tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DFlash2 (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
- Experimentell
- Eigener Kernel nötig
- Lizenz ungeklärt
Lokale KI · Rezept · 2× RTX 3090
Qwen3.8-27B W4A8 mit vLLM auf 2× RTX 3090 (mit MTP)
Qwen3.8-27B W4A8 mit vLLM auf 2× RTX 3090 (mit MTP): 74 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).
von noonghunna
Engine
- Engine
- vLLM v0.30.0
- Quantisierung
- AutoRound W4A16 INT4, serviert W4A8; fp8_e4m3 KV
- Modellfamilie
- Qwen3.8-27B (ThinkingCap-Finetune)
- Kontext
- 262.144
- Parameter
- 27B dense
- 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
- Hauptgewichtwasifb/ThinkingCap-Qwen3.8-27B-AutoRound-W4A16 other
- Engine
- vLLM v0.30.0
- Kontext
- 262.144 Token
Hinweise
Was vor dem Nachbauen wichtig ist.
- Experimentell
- Lizenz ungeklärt
Quellen
Verwandte Rezepte
2× RTX 3090
199tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
2× RTX 3090
187tok/sAlltag
1 Anfrage, Prosa-Prompt, Prompt 450 Token, ohne Spekulation Quelle
Intelligenzkein unabhängiger Wert
2× RTX 3090
179tok/sAlltag
1 Anfrage, Prosa-Prompt, ohne Spekulation Quelle
Intelligenz18mit Denkenohne Denken 15
- Lizenz ungeklärt
2× RTX 3090
151tok/sAlltag
1 Anfrage, Prosa-Prompt, ohne Spekulation Quelle
Intelligenzkein unabhängiger Wert
2× RTX 3090
144tok/sAlltag
1 Anfrage, Prosa-Prompt, ohne Spekulation Quelle
Intelligenzkein unabhängiger Wert
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.