4× RTX PRO 6000
235tok/sAlltag
1 Anfrage, Prosa-Prompt, Kontext 19, mit DSpark (laut Rezept) Quelle
Intelligenz34mit Denken
- Eigener Kernel nötig
Lokale KI · Rezept · 2× RTX PRO 6000
DeepSeek-V4-Flash NVFP4 mit vLLM auf 2× RTX PRO 6000
von Infatoshi
103tok/sGemischt
1 Anfrage, gemischtes Prompt-Set, Kontext 8192, mit DSpark (laut Rezept)
Quelle: github.comEngine
- Engine
- vLLM 0.26.1rc1.dev303+g74295e3bd
- Quantisierung
- NVFP4 (Experten; Marlin W4A16), fp8 KV (block 256)
- Modellfamilie
- DeepSeek-V4-Flash
- Kontext
- 262.144
- Kreator
- Infatoshi
- GitHub-Sterne
- 15
- Repo-Stand
- 25. Aug. 2026
Messwerte
Alle belegten Werte dieses Rezepts, je mit Bedingung und Quelle. Balken im Verhältnis zum größten Wert der Gruppe.
Für dieses Rezept sind keine Messwerte mit Quelle belegt.
Was brauche ich
- Hardware
- 2 × NVIDIA RTX PRO 6000 Blackwell
- Gewichte
- HauptgewichtMJPansa/DeepSeek-V4-Flash-0731-NVFP4 MIT
- Engine
- vLLM 0.26.1rc1.dev303+g74295e3bd
- Kontext
- 262.144 Token
Hinweise
Was vor dem Nachbauen wichtig ist.
- Eigener Kernel nötig
Quellen
- github.com/Infatoshi/dsv4-flash-2x-rtxpro6000s/blob/main/docs/BENCHMARKS.md#concurrency-x-input-length-x-spec-vs-base
- github.com/Infatoshi/dsv4-flash-2x-rtxpro6000s/blob/main/docs/BENCHMARKS.md#long-context
- github.com/Infatoshi/dsv4-flash-2x-rtxpro6000s
- github.com/Infatoshi/dsv4-flash-2x-rtxpro6000s/blob/main/docs/BENCHMARKS.md
- github.com/Infatoshi/dsv4-flash-2x-rtxpro6000s/blob/main/scripts/serve_256k_marlin.sh
- github.com/Infatoshi/dsv4-flash-2x-rtxpro6000s/blob/main/bench/bench.py
Verwandte Rezepte
2× DGX Spark
33,2tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
- Eigener Kernel nötig
1× DGX Spark
30,2tok/sAlltag
1 Anfrage, Story-Prompt, Prompt 18 Token, mit MTP (laut Rezept) Quelle
Intelligenz34mit Denken
- ≤ 3 bit: Quantisierung kann Qualität kosten
2× RTX 3090
21,9tok/sAlltag
1 Anfrage, Prosa-Prompt, ohne Spekulation Quelle
Intelligenz34mit Denken
- Teils im Arbeitsspeicher
- Experimentell
1× DGX Spark
19,5tok/sAlltag
1 Anfrage, Prosa-Prompt, Kontext 4096, ohne Spekulation Quelle
Intelligenz34mit DenkenWert des Originalmodells. Stark komprimiert (~2,1 Bit), Intelligenz dürfte deutlich niedriger liegen.
- ≤ 3 bit: Quantisierung kann Qualität kosten
4× RTX PRO 6000
215tok/sGemischt
1 Anfrage, gemischtes Prompt-Set, mit MTP Quelle
Intelligenz24mit Denkenohne Denken 19
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.