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 · 3× DGX Spark
DeepSeek-V4-Flash 305B FP8 mit vLLM auf 3× DGX Spark
DeepSeek-V4-Flash 305B FP8 mit vLLM auf 3× DGX Spark: 41,9 tok/s laut github.com (Datensatz-Stand: 29. Sept. 2026).
von MiaAI-Lab
Engine
- Engine
- vLLM ghcr.io/anemll/dspark-vllm-gx10:0.1.1
- Quantisierung
- Original-Checkpoint (FP8/FP4) , TP3-Head-Pad 64→72
- Modellfamilie
- DeepSeek-V4-Flash
- Kontext
- 1.048.576
- Parameter
- ~305B MoE
- Kreator
- MiaAI-Lab
- GitHub-Sterne
- 1.427
- Repo-Stand
- 26. Sept. 2026
Messwerte
Alle belegten Werte dieses Rezepts, je mit Bedingung und Quelle. Balken im Verhältnis zum größten Wert der Gruppe.
Decode · 1 Anfrage
Was brauche ich
- Hardware
- 3 × NVIDIA DGX Spark (GB10)
- Gewichte
- Hauptgewichtdeepseek-ai/DeepSeek-V4-Flash-Vision-Exp MIT
- Engine
- vLLM ghcr.io/anemll/dspark-vllm-gx10:0.1.1
- Kontext
- 1.048.576 Token
Hinweise
Was vor dem Nachbauen wichtig ist.
- Eigener Kernel nötig
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
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
1× Mac
28,5tok/sAlltag
1 Anfrage, Prosa-Prompt, Kontext 32k, mit DSpark (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
- ≤ 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.