DE
Gespräch buchen

Lokale KI · Rezept · 8× DGX Spark

DeepSeek-V4.1-Flash FP8/MXFP4 mit SparkRing auf 8× DGX Spark

DeepSeek-V4.1-Flash FP8/MXFP4 mit SparkRing auf 8× DGX Spark: 74 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).

von fujitsupolycom

74tok/sAlltag

1 Anfrage, Generierung bei 32K Kontext (Speed-Tabelle, Ring aus acht), Thinking on, high, mit DSpark (laut Rezept); experimentelles Profil

Quelle: github.com
Intelligenz (Originalmodell) · Artificial Analysis40mit Denkenohne Denken 25

Installieren: DeepSeek-V4.1-Flash FP8/MXFP4 mit SparkRing auf 8× DGX Spark

Befehl
sudo sparkring install --profile deepseek-v41-flash-tp8

Vollständige Anleitung im README Repo

Engine

Engine
vLLM (local-inference-lab Fork) via SparkRing (SIRCL-Collectives, switchless RDMA ueber ConnectX-7), Image Release 2026.10.2
Quantisierung
Stock-Checkpoint FP8/MXFP4 (DeepSeek)
Modellfamilie
DeepSeek-V4.1-Flash
Kontext
1.048.576
Parameter
384 Routed-Experten (MoE); 510,3 GB Safetensors (475,3 GiB)
Kreator
fujitsupolycom
GitHub-Sterne
102
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)74 tok/sKontext 32K · 1 Stream, 32K Kontext, Ring aus acht Sparks (TP8, nur SIRCL-Ring-Sessions, NCCL aus), Release-Image 2026.10.2, GPU-Takt fest 2.418 MHz, ein Start; Thinking on, high; DSpark mit 5 Tokens Quelle 

Decode · parallele Anfragen

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

  • Summe über 8 Streams259 tok/sSpitze (Decode) · Kontext 32K · Aggregate of 8 streams at 32K context, ring of eight; thinking on, high Quelle 

Prefill je Kontext

  • 32K4.851 tok/sEin Prompt mit ca. 32.200 Tokens (Client-Messung bis zum ersten Token) Quelle 

Was brauche ich

Hardware
8 × NVIDIA DGX Spark (GB10)
Engine
vLLM (local-inference-lab Fork) via SparkRing (SIRCL-Collectives, switchless RDMA ueber ConnectX-7), Image Release 2026.10.2
Kontext
1.048.576 Token

Hinweise

Was vor dem Nachbauen wichtig ist.

  • Eigener Kernel nötig
  • Experimentell

Quellen

Verwandte Rezepte

2× DGX Spark

DeepSeek-V4.1-Flash EXL3 2.0 bpw mit vLLM auf 2× DGX Spark

von sfxnz

42,6tok/sAlltag

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

Intelligenz40mit Denkenohne Denken 25Wert des Originalmodells. Stark komprimiert (~2 Bit), Intelligenz dürfte deutlich niedriger liegen.
  • ≤ 3 bit: Quantisierung kann Qualität kosten
  • Experimentell
  • Eigener Kernel nötig

EXL3 2.0 bpw MCG (routed experts, tail-biting Viterbi re-encoded, scale refit), lm_head MXFP8, KV fp8 (8-GiB-Pin), DSpark-3vLLMGewichte Repo Stand 27. Sept. 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