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
DeepSeek-V4-Flash NVFP4 mit vLLM auf 2× RTX PRO 6000: 103 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).
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.
Decode · 1 Anfrage
Prefill je Kontext
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
4× DGX Spark
46tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark Quelle
Intelligenzkein unabhängiger Wert
4× DGX Spark
42tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
- Eigener Kernel nötig
3× DGX Spark
41,9tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
- Eigener Kernel nötig
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
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.