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 · 4× RTX PRO 6000
DeepSeek-V4-Flash FP8 mit vLLM auf 4× RTX PRO 6000
DeepSeek-V4-Flash FP8 mit vLLM auf 4× RTX PRO 6000: 215 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).
von jcartu
Intelligenz (Originalmodell) · Artificial Analysis24mit Denkenohne Denken 19
Engine
- Engine
- vLLM 0.21.1rc1.dev339+g1967a5627bc3
- Quantisierung
- FP8 W8A8 (nativ), FP8 KV block 256
- Modellfamilie
- DeepSeek-V4-Flash
- Kontext
- 1.048.576
- Kreator
- jcartu
- GitHub-Sterne
- 3
- Repo-Stand
- 21. Juni 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
Zeit bis zum ersten Token
Kürzer ist besser.
Was brauche ich
- Hardware
- 4 × NVIDIA RTX PRO 6000 Blackwell
- Gewichte
- Hauptgewichtdeepseek-ai/DeepSeek-V4-Flash MIT
- Engine
- vLLM 0.21.1rc1.dev339+g1967a5627bc3
- Kontext
- 1.048.576 Token
Quellen
- github.com/jcartu/dsv4-flash-blackwell-inference-study#sustained-decode-cstechdevdsv4-flash-deepseek-v4-flash-fp8-tp4-mtp2
- github.com/jcartu/dsv4-flash-blackwell-inference-study#prefill-throughput
- github.com/jcartu/dsv4-flash-blackwell-inference-study
- github.com/jcartu/dsv4-flash-blackwell-inference-study/blob/main/data/benchmark_results_standard.json
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.