DE
Gespräch buchen

Lokale KI · Rezept · 1× RTX 5090

Qwen3.8 27B EXL3 4 bpw mit ExLlamaV3 auf 1× RTX 5090 (One-Click-Kit)

Qwen3.8 27B EXL3 4 bpw mit ExLlamaV3 auf 1× RTX 5090 (One-Click-Kit): 122 tok/s laut github.com (Datensatz-Stand: 29. Sept. 2026).

von MiaAI-Lab

122tok/sGemischt

1 Anfrage, llama-benchy 2048-Token-Prompt, 128 Token out, Tiefe 0, mit MTP

Quelle: github.com
Intelligenz (Originalmodell) · Artificial Analysis34mit Denkenohne Denken 20
Anleitung im README Repo

Engine

Engine
ExLlamaV3 v1.6.0 (tools/serve_openai.py), MTP; opt-in DRAFT=dflash2
Quantisierung
EXL3 4.0 bpw (turboderp) + int4 KV
Modellfamilie
Qwen3.8
Kontext
262.144
Parameter
27B dense
Kreator
MiaAI-Lab
GitHub-Sterne
546
Repo-Stand
9. Okt. 2026

Messwerte

Alle belegten Werte dieses Rezepts, je mit Bedingung und Quelle. Balken im Verhältnis zum größten Wert der Gruppe.

Decode · 1 Anfrage

  • Gemischt (Decode)122 tok/sKontext 2048 tok prompt, depth 0 · 1.6.0 + MTP (aktueller Default), 3 Läufe; Tiefe 8k 115,9 / 32k 112,5 / 64k 122,6 / 128k 102,9 / 248k 79,3; VRAM 22.366 MiB Quelle 
  • Spitze (Decode)366 tok/sStructured, opt-in DRAFT=dflash2 (RigMark 1.3.0, Median 5 Läufe, thinking off); dflash2 Prosa 113,2 / Code 274,6 Quelle 

Was brauche ich

Hardware
1 × NVIDIA RTX 5090
Engine
ExLlamaV3 v1.6.0 (tools/serve_openai.py), MTP; opt-in DRAFT=dflash2
Kontext
262.144 Token

Hinweise

Was vor dem Nachbauen wichtig ist.

  • vision

Quellen

Verwandte Rezepte

← Zur Übersicht

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.

Zum KI-WorkshopZur Übersicht