4× DGX Spark
87,7tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept) Quelle
Intelligenz40mit Denkenohne Denken 25
Lokale KI · Rezept · 2× DGX Spark
DeepSeek-V4.1-Flash 763B EXL3 2.9 bpw mit ExLlamaV3 auf 2× DGX Spark
DeepSeek-V4.1-Flash 763B EXL3 2.9 bpw mit ExLlamaV3 auf 2× DGX Spark: 31,6 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).
von MiaAI-Lab
Intelligenz (Originalmodell) · Artificial Analysis40mit Denkenohne Denken 25
≤ 3 bit: Quantisierung kann Qualität kosten
Engine
- Engine
- vLLM + ExLlamaV3
- Quantisierung
- EXL3 2.9 bpw + fp8_ds_mla KV
- Modellfamilie
- DeepSeek-V4.1-Flash
- Kontext
- 600.000
- Parameter
- ~763B (HF safetensors der Basis)
- Kreator
- MiaAI-Lab
- GitHub-Sterne
- 242
- Repo-Stand
- 25. Sept. 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 DGX Spark (GB10)
- Gewichte
- HauptgewichtMia-AiLab/DeepSeek-V4.1-Flash-EXL3-2.9bpw MIT
- Basisdeepseek-ai/DeepSeek-V4.1-Flash MIT
- Engine
- vLLM + ExLlamaV3
- Kontext
- 600.000 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.
- Experimentell
- Eigener Kernel nötig
Quellen
- github.com/MiaAI-Lab/DeepSeek-v4.1-Flash-EXL3-2x-DGX-Sparks#performance
- github.com/MiaAI-Lab/DeepSeek-v4.1-Flash-EXL3-2x-DGX-Sparks#optional-cooperative-moe-decode-two-sparks
- github.com/MiaAI-Lab/DeepSeek-v4.1-Flash-EXL3-2x-DGX-Sparks#measured
- github.com/MiaAI-Lab/DeepSeek-v4.1-Flash-EXL3-2x-DGX-Sparks/blob/main/README.md
Verwandte Rezepte
8× DGX Spark
74tok/sAlltag
1 Anfrage, Generierung bei 32K Kontext (Speed-Tabelle, Ring aus acht), Thinking on, high, mit DSpark (laut Rezept); experimentelles Profil Quelle
Intelligenz40mit Denkenohne Denken 25
- Eigener Kernel nötig
- Experimentell
4× RTX PRO 6000
73,1tok/sAlltag
1 Anfrage, Prosa-Prompt, Kontext 32788, mit DSPARK Quelle
Intelligenz40mit Denkenohne Denken 25
4× DGX Spark
71tok/sAlltag
1 Anfrage, Decode bei 32K Kontext (Speed-Tabelle, Ring aus vier), Thinking on, high Quelle
Intelligenz40mit Denkenohne Denken 25
- Eigener Kernel nötig
4× DGX Spark
59,1tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept) Quelle
Intelligenz40mit Denkenohne Denken 25
3× DGX Spark
51tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP/EAGLE (spekulativ, ~59 ms/step) (laut Rezept) Quelle
Intelligenz40mit Denkenohne Denken 25
- Eigener Kernel nötig
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.