DE
Gespräch buchen

Lokale KI · Rezept · 4× DGX Spark

MiMo-V2.6-Pro-MOPD ARVQ/NVFP4-Hybrid mit vLLM auf 4× DGX Spark (1M Kontext)

MiMo-V2.6-Pro-MOPD ARVQ/NVFP4-Hybrid mit vLLM auf 4× DGX Spark (1M Kontext): 24,2 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).

von drowzeys

24,2tok/sAlltag

1 Anfrage, Prosa-Prompt, mit MTP k=2 (laut Rezept)

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

Engine

Engine
vLLM-Fork jarrelscy/vllm-mimo-v26-arvq-sm120 (Image ghcr.io/drowzeys/mimo-v26-pro-arvq-spark:63430f7-sm121-v4)
Quantisierung
Jarrelscy ARVQ/NVFP4-Hybrid (hybrid-21: 21% NVFP4-Hot-Experten), BF16 KV
Modellfamilie
MiMo-V2.6-Pro
Kontext
1.048.576
Kreator
drowzeys
GitHub-Sterne
8
Repo-Stand
28. Sept. 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)24,2 tok/sMittel 3 Stories, temp 1.0, 512 Token, 1.91 tok/pass; Code 32.2 Quelle 

Decode · parallele Anfragen

Summe über alle Streams ist markiert; pro Anfrage ist es entsprechend weniger.

  • 4 parallele Anfragen46,3 tok/sSpitze (Decode) · 4-wide Aggregat Quelle 

Prefill je Kontext

Was brauche ich

Hardware
4 × NVIDIA DGX Spark (GB10)
Engine
vLLM-Fork jarrelscy/vllm-mimo-v26-arvq-sm120 (Image ghcr.io/drowzeys/mimo-v26-pro-arvq-spark:63430f7-sm121-v4)
Kontext
1.048.576 Token

Hinweise

Was vor dem Nachbauen wichtig ist.

  • Fork
  • Mehrere Knoten
  • Eigener Kernel nötig
  • tool-calling

Quellen

Verwandte Rezepte

4× DGX Spark

DeepSeek-V4.1-Flash-1017 EXL3 4,0 bpw mit TensorFold auf 4× DGX Spark

von bertholomus

70,9tok/sAlltag

1 Anfrage, Prosa-Prompt (greedy, Thinking aus), mit DSpark (laut Rezept) Quelle 

Intelligenzkein unabhängiger Wert
  • ≤ 3 bit: Quantisierung kann Qualität kosten
  • Eigener Kernel nötig

EXL3 4.0 bpw (4,02 bpw, ~275 GB; eigener Quant)TensorFold native (Zig, TensorFold 1.0.12), BertholomusAI dsv41 family (bertholomus/TensorFold deepseek-v41-zig-tp4 @0a0b69a, recipe v0.3.5) + kernel kit (362 files), TP4 über RoCE, DSpark drafts, CUDA graphsGewichte Repo Stand 24. Okt. 2026

Details
4× DGX Spark

GLM-5.3-Flash NVFP4/MXFP8 CSF mit SparkRing auf 4× DGX Spark

von fujitsupolycom

68tok/sAlltag

1 Anfrage, Generierung bei 32K Kontext (Speed-Tabelle; nur als Pfad aus vier Sparks im 8er-Ring gemessen, nicht als Ring aus vier), Thinking immer an (gemessen vor dem Profil-Standard high, also mit Template-Standard max), mit MTP3 (laut Rezept) Quelle 

Intelligenz42mit Denken
  • Eigener Kernel nötig
  • Lizenz ungeklärt

NVFP4/MXFP8 CSF QAD (Local Inference Lab)vLLM (local-inference-lab Fork) via SparkRing (SIRCL-Collectives, switchless RDMA ueber ConnectX-7), Image Release 2026.10.2Gewichte Repo Stand 2. Nov. 2026

Details

← 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