DE
Gespräch buchen

Lokale KI · Rezept · 2× DGX Spark

Qwen3.8-Flash-Next NVFP4 mit vLLM auf 2× DGX Spark (Text)

Qwen3.8-Flash-Next NVFP4 mit vLLM auf 2× DGX Spark (Text): 121 tok/s laut github.com (Datensatz-Stand: 29. Sept. 2026).

von myllmbox

121tok/sSpitze

1 Anfrage, Code-Prompt

Quelle: github.com
Intelligenz (Originalmodell) · Artificial Analysis40mit Denken
Anleitung im README Repo

Engine

Engine
vLLM
Quantisierung
hibrid48: NVFP4-Output-Head, bf16-KV (41G/Box-Pin), halbe NVFP4-n-gram-Tabelle pro Box, Marlin MoE
Modellfamilie
Qwen3.8-Flash-Next
Kontext
262.144
Kreator
myllmbox
GitHub-Sterne
79
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

  • Spitze (Decode)121 tok/sSingle-stream-Peak, Code-Phase eines Thinking-on-Requests (auf dem v4-Image vor der Ladder gemessen); Average desselben Requests ~81 Quelle 

Was brauche ich

Hardware
2 × NVIDIA DGX Spark (GB10)
Engine
vLLM
Kontext
262.144 Token

Hinweise

Was vor dem Nachbauen wichtig ist.

  • Eigener Kernel nötig
  • Lizenz ungeklärt

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