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
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.
Für dieses Rezept sind keine Messwerte mit Quelle belegt.
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
4× RTX PRO 6000
73,1tok/sAlltag
1 Anfrage, Prosa-Prompt, Kontext 32788, mit DSPARK Quelle
Intelligenz40mit Denkenohne Denken 25
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
2× DGX Spark
31,6tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept) Quelle
Intelligenz40mit Denkenohne Denken 25
- ≤ 3 bit: Quantisierung kann Qualität kosten
- Eigener Kernel nötig
4× DGX Spark
30,2tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark (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.