2× DGX Spark
36,1tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DFlash2 (laut Rezept) Quelle
Intelligenz42mit Denken
- ≤ 3 bit: Quantisierung kann Qualität kosten
- Eigener Kernel nötig
- Nicht kommerziell
- Lizenz ungeklärt
Lokale KI · Rezept · 1× DGX Spark
GLM-5.3-Flash EXL3 2.25 bpw mit vLLM auf 1× DGX Spark
von r0b0tlab
Intelligenz (Originalmodell) · Artificial Analysis42mit DenkenWert des Originalmodells. Stark komprimiert (~2,3 Bit), Intelligenz dürfte deutlich niedriger liegen.
≤ 3 bit: Quantisierung kann Qualität kosten
Engine
- Engine
- vLLM v0.30.0rc1 @ a00a3544b93e
- Quantisierung
- EXL3 2.25 bpw (Drafter EXL3 3.00 bpw)
- Modellfamilie
- GLM-5.3-Flash
- Kontext
- 32.768
- Kreator
- r0b0tlab
- GitHub-Sterne
- 0
- Repo-Stand
- 25. Sept. 2026
Messwerte
Alle belegten Werte dieses Rezepts, je mit Bedingung und Quelle. Balken im Verhältnis zum größten Wert der Gruppe.
Für dieses Rezept sind keine Messwerte mit Quelle belegt.
Was brauche ich
- Hardware
- 1 × NVIDIA DGX Spark (GB10)
- Gewichte
- Hauptgewichtr0b0tlab/GLM-5.3-Flash-EXL3-2.25bpw-sm121 MIT
- Draft-Modellincoai/GLM-5.3-Flash-DFlash2 Nicht kommerziell · CC-BY-NC-ND-4.0
- Engine
- vLLM v0.30.0rc1 @ a00a3544b93e
- Kontext
- 32.768 Token
Hinweise
Was vor dem Nachbauen wichtig ist.
- ≤ 3 bit: Quantisierung kann Qualität kostenBei 3 bit und weniger kann das Modell spürbar schlechter antworten als das Original. Die Intelligenz-Zahl gilt für das Original.
- Experimentell
- Eigener Kernel nötig
- Nicht kommerziell
Quellen
Verwandte Rezepte
4× DGX Spark
34,1tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DFlash2 (laut Rezept) Quelle
Intelligenz42mit Denken
- Eigener Kernel nötig
- Nicht kommerziell
4× DGX Spark
31,5tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DFlash2 (laut Rezept) Quelle
Intelligenz42mit Denken
- Eigener Kernel nötig
- Nicht kommerziell
2× DGX Spark
19,1tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DFlash2 (laut Rezept) Quelle
Intelligenz42mit Denken
- Nicht kommerziell
- Lizenz ungeklärt
2× RTX 3090
18,1tok/sAlltag
1 Anfrage, Prosa-Prompt, ohne Spekulation Quelle
Intelligenz42mit Denken
- ≤ 3 bit: Quantisierung kann Qualität kosten
- Teils im Arbeitsspeicher
2× DGX Spark
17,9tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DFlash2 Quelle
Intelligenz42mit Denken
- Eigener Kernel nötig
- Nicht kommerziell
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.