4× RTX PRO 6000
235tok/sAlltag
1 Anfrage, Prosa-Prompt, Kontext 19, mit DSpark (laut Rezept) Quelle
Intelligenz34mit Denken
- Eigener Kernel nötig
Lokale KI · Rezept · 2× DGX Spark
DeepSeek-V4-Flash mit vLLM auf 2× DGX Spark (1024k Kontext)
DeepSeek-V4-Flash mit vLLM auf 2× DGX Spark (1024k Kontext): 86,9 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).
von r0b0tlab
Engine
- Engine
- vLLM 0.26.0+dspark.sm121.3
- Quantisierung
- deepseek_v4_fp8 Gewichte + nvfp4_ds_mla KV
- Modellfamilie
- DeepSeek-V4-Flash
- Kontext
- 1.048.576
- Kreator
- r0b0tlab
- GitHub-Sterne
- 32
- Repo-Stand
- 3. Aug. 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
Zeit bis zum ersten Token
Kürzer ist besser.
Was brauche ich
- Hardware
- 2 × NVIDIA DGX Spark (GB10)
- Gewichte
- Hauptgewichtdeepseek-ai/DeepSeek-V4-Flash-0731 MIT
- Engine
- vLLM 0.26.0+dspark.sm121.3
- Kontext
- 1.048.576 Token
Hinweise
Was vor dem Nachbauen wichtig ist.
- Eigener Kernel nötig
Quellen
Verwandte Rezepte
4× DGX Spark
46tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark Quelle
Intelligenzkein unabhängiger Wert
4× DGX Spark
42tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
- Eigener Kernel nötig
3× DGX Spark
41,9tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
- Eigener Kernel nötig
2× DGX Spark
33,2tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
- Eigener Kernel nötig
1× DGX Spark
30,2tok/sAlltag
1 Anfrage, Story-Prompt, Prompt 18 Token, mit MTP (laut Rezept) Quelle
Intelligenz34mit Denken
- ≤ 3 bit: Quantisierung kann Qualität kosten
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.