DE
Gespräch buchen

Lokale KI · Rezept · 1× DGX Spark

Qwen3.8-Flash-Next 125B INT4-AutoRound mit TensorFold auf 1× DGX Spark

Qwen3.8-Flash-Next 125B INT4-AutoRound mit TensorFold auf 1× DGX Spark: 64,4 tok/s laut github.com (Datensatz-Stand: 29. Sept. 2026).

von MiaAI-Lab

64,4tok/sAlltag

1 Anfrage, Prosa-Prompt, mit MTP (laut Rezept)

Quelle: github.com
Intelligenz (Originalmodell) · Artificial Analysiskein unabhängiger Wert

Installieren: Qwen3.8-Flash-Next 125B INT4-AutoRound mit TensorFold auf 1× DGX Spark

Befehl
git clone https://github.com/MiaAI-Lab/Qwen3.8-Flash-Next-Single-DGX-Spark-TensorFold.git && cd Qwen3.8-Flash-Next-Single-DGX-Spark-TensorFold && ./start.sh

Vollständige Anleitung im README Repo

Engine

Engine
TensorFold tensorfold-native (Zig, zig-flashnext db281878 + patches), Image tensorfold-qwen38:zig-db28187, MTP-Drafts
Quantisierung
INT4-AutoRound (GPTQ int4, Top-5-Experten) + FP8 n-gram-Tabelle, FP8 KV
Modellfamilie
Qwen3.8-Flash-Next
Kontext
262.144
Parameter
125B MoE / 4,8B aktiv (Top-5-Experten)
Kreator
MiaAI-Lab
GitHub-Sterne
224
Repo-Stand
8. Okt. 2026

Messwerte

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

Decode · 1 Anfrage

  • Alltag (Decode)64,4 tok/sKontext 256K · Prosa, sparkDash 2026-10-08, greedy, thinking off, FP8 KV, vision on; TTFT 98 ms Quelle 

Decode · parallele Anfragen

Summe über alle Streams ist markiert; pro Anfrage ist es entsprechend weniger.

  • 8 parallele Anfragen201 tok/sSpitze (Decode) · Kontext 256K · Prosa ×8 aggregiert (26,7 pro Request); ×2 89,0 / ×4 140,7; Code ×8 189,3 Quelle 

Prefill je Kontext

  • 16K2.643 tok/s4k 2.526 / 8k 2.606 / 32k 2.630 / 64k 2.564 / 128k 2.415 tok/s Quelle 

Zeit bis zum ersten Token

Kürzer ist besser.

  • Prompt nicht angegeben98 msProsa, 1 Request Quelle 

Was brauche ich

Hardware
1 × NVIDIA DGX Spark (GB10)
Engine
TensorFold tensorfold-native (Zig, zig-flashnext db281878 + patches), Image tensorfold-qwen38:zig-db28187, MTP-Drafts
Kontext
262.144 Token

Hinweise

Was vor dem Nachbauen wichtig ist.

  • Eigener Kernel nötig
  • vision
  • tool-calling
  • Lizenz ungeklärt

Quellen

Verwandte Rezepte

2× DGX Spark

Qwen3.8-Flash-Next 125B INT4-AutoRound mit TensorFold auf 2× DGX Spark (1M Kontext)

von MiaAI-Lab

89,3tok/sAlltag

1 Anfrage, Prosa-Prompt, mit MTP (laut Rezept) Quelle 

Intelligenzkein unabhängiger Wert
  • Eigener Kernel nötig
  • Lizenz ungeklärt

INT4-AutoRound (GPTQ int4, Top-5-Experten) + FP8 n-gram-Tabelle, FP8 KVTensorFold tensorfold-native (Zig, zig-flashnext db281878 + patches), Image ghcr.io/miaai-lab/qwen3.8-flash-dual-dgx-sparks-tensorfold:zig-db28187-f3e1300f4f62, TP=2 über CX7/RoCE, MTP + Copy-Drafts (QUANT=int4ar)Gewichte Repo Stand 8. Okt. 2026

Details
2× DGX Spark

Qwen3.8-Flash-Next INT4-AutoRound (v5.2) mit vLLM auf 2× DGX Spark

von myllmbox

74tok/sAlltag

1 Anfrage, Prosa-Prompt (lange Story), Thinking off, mit MTP Quelle 

Intelligenz40mit Denken
  • Eigener Kernel nötig
  • Lizenz ungeklärt

INT4-AutoRound (azampatti): int4-Experten, fp8-Seitenschichten; n-gram-Tabelle beim Laden fp8 → NVFP4, halb pro Box auf der GPU; KV-Pin 29G/Box (1.829.182 Tokens)vLLM 0.30 (Image myllmbox/qwen38-flash-next-cluster-vllm:v5.2; RecoverSSM, dynamischer Draft-Depth 3–7 in Full-CUDA-Graphs, sampled Drafts + Block-Verifikation, One-Shot-RoCE-All-Reduce, Dual-Rail, TP=2, 64 Seats) — Kit v5.2Gewichte Repo Stand 6. Okt. 2026

Details
2× DGX Spark

Qwen3.8-Flash-Next 125B NVFP4 mit TensorFold auf 2× DGX Spark (1M Kontext)

von MiaAI-Lab

67,4tok/sAlltag

1 Anfrage, Prosa-Prompt, mit MTP (laut Rezept) Quelle 

Intelligenz40mit Denken
  • Eigener Kernel nötig
  • Lizenz ungeklärt

NVFP4 (nvidia, Experten) + FP8 n-gram/MTP, FP8 KVTensorFold tensorfold-native (Zig, zig-flashnext db281878 + patches), Image ghcr.io/miaai-lab/qwen3.8-flash-dual-dgx-sparks-tensorfold:zig-db28187-f3e1300f4f62, TP=2 über CX7/RoCE, MTP + Copy-DraftsGewichte Repo Stand 8. Okt. 2026

Details

← 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