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 · 1× RTX PRO 6000
DeepSeek-V4-Flash 284B MXFP4 mit vLLM auf 1× RTX PRO 6000 (300k Kontext)
DeepSeek-V4-Flash 284B MXFP4 mit vLLM auf 1× RTX PRO 6000 (300k Kontext): 89,8 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).
von jpezzulli
Intelligenz (Originalmodell) · Artificial Analysis34mit DenkenWert des Originalmodells. Stark komprimiert (~2 Bit), Intelligenz dürfte deutlich niedriger liegen.
≤ 3 bit: Quantisierung kann Qualität kosten
Engine
- Engine
- vLLM
- Quantisierung
- 2-bit W2-Experten (MoET-Planes) + 6 GiB FP4-Korrektur-Tier (512×12 MiB), FP8-MLA-KV; Basis offizielles MXFP4-Checkpoint
- Modellfamilie
- DeepSeek-V4-Flash
- Kontext
- 300.000
- Parameter
- 284B MoE
- Kreator
- jpezzulli
- GitHub-Sterne
- 17
- Repo-Stand
- 19. 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
- 1 × NVIDIA RTX PRO 6000 Blackwell
- Gewichte
- Hauptgewichtdeepseek-ai/DeepSeek-V4-Flash-0731 MIT
- Engine
- vLLM
- Kontext
- 300.000 Token
Hinweise
Was vor dem Nachbauen wichtig ist.
- ≤ 3 bit: Quantisierung kann Qualität kostenBei 3 bit und weniger kann das Modell spürbar schlechter antworten als das Original. Die Intelligenz-Zahl gilt für das Original.
Quellen
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.