Lokale KI · Rezept · 2× DGX Spark

DeepSeek-V4-Flash-Vision-Exp FP8 mit vLLM auf 2× DGX Spark

DeepSeek-V4-Flash-Vision-Exp FP8 mit vLLM auf 2× DGX Spark: 32,5 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).

von r0b0tlab

32,5tok/sAlltag

1 Anfrage, Prosa-Prompt, mit DSpark (adaptive verification) (laut Rezept)

Quelle: github.com

Intelligenz (Originalmodell) · Artificial Analysiskein unabhängiger Wert

Anleitung im README Repo

Engine: vLLM
Quantisierung: offizielle Gewichte + FP8 KV
Modellfamilie: DeepSeek-V4-Flash-Vision-Exp
Kontext: 1.048.576
Kreator: r0b0tlab
GitHub-Sterne: 5
Repo-Stand: 3. Sept. 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)32,5 tok/sKontext ~600 tok (PROSE med) · PROSE c1 med (~600 tok), 1M-Profil; unklar ob 600 = Prompt- oder Output-Länge Quelle
Gemischt (Decode)30 tok/sKontext 512 in / 256 out random · C-ladder c1, 1M-Profil; TPOT 25.0 ms Quelle
Spitze (Decode)53,7 tok/sTD2W300 spelled 1–300 (Zähl-Workload), 1M-Profil; accept length 2.74; accept length 2.74 = mittlere akzeptierte Länge (kein Anteil) Quelle

Was brauche ich

Hardware: 2 × NVIDIA DGX Spark (GB10)
Gewichte: Hauptgewichtdeepseek-ai/DeepSeek-V4-Flash-Vision-Exp MIT
Engine: vLLM
Kontext: 1.048.576 Token

Hinweise

Was vor dem Nachbauen wichtig ist.

Experimentell
Eigener Kernel nötig

Quellen

Verwandte Rezepte

2× DGX Spark

DeepSeek-V4-Flash-Vision-Exp 284B MXFP4 mit vLLM auf 2× DGX Spark

von sfxnz

26,2tok/sAlltag

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

Intelligenzkein unabhängiger Wert

Experimentell
Eigener Kernel nötig

MXFP4-Experten, FP8-Attention, fp8-KV 12-GiB-Pin, DSpark-6vLLMGewichte Repo Stand 4. Sept. 2026

Details

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 26. 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 29. Okt. 2026

Details

2× DGX Spark

Qwen3.8-Flash-Next MLX 4-bit mit TensorFold auf 2× DGX Spark

von sfxnz

69,6tok/sAlltag

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

Intelligenz40mit Denken

Lizenz ungeklärt

MLX affine 4-bit (group 32) auf allen Linears inkl. n-gram-Tabellen und MTP-Head, KV bf16TensorFold v0.6.2 (56e2e3e), TP=2, Image tf-qwen38-flashnext:0.6.2 (nvcr.io/nvidia/pytorch:26.07-py3)Gewichte Repo Stand 2. Okt. 2026

Details

2× DGX Spark

Qwen3.8-Flash-Next NVFP4/MXFP8 CSF mit SparkRing auf 2× DGX Spark

von fujitsupolycom

68tok/sAlltag

1 Anfrage, Generierung bei 32K Kontext (Speed-Tabelle, Paar), Thinking on, xhigh, mit MTP3 (laut Rezept) Quelle

Intelligenz40mit Denken

Eigener Kernel nötig
Lizenz ungeklärt

NVFP4/MXFP8 CSF QAD (Local Inference Lab)vLLM (local-inference-lab Fork) via SparkRing (SIRCL-Collectives, switchless RDMA ueber ConnectX-7), Image Release 2026.10.2Gewichte Repo Stand 2. Nov. 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 26. 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-Workshop Zur Übersicht

Engine

Messwerte

Decode · 1 Anfrage

Was brauche ich

Hinweise

Quellen

Verwandte Rezepte

DeepSeek-V4-Flash-Vision-Exp 284B MXFP4 mit vLLM auf 2× DGX Spark

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

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

Qwen3.8-Flash-Next MLX 4-bit mit TensorFold auf 2× DGX Spark

Qwen3.8-Flash-Next NVFP4/MXFP8 CSF mit SparkRing auf 2× DGX Spark

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

Lokale KI im eigenen Unternehmen?