4× DGX Spark
87,7tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept) Quelle
Intelligenz40mit Denkenohne Denken 25
Lokale KI · Rezept · 4× DGX Spark
DeepSeek-V4.1-Flash 763B EXL3 3.5 bpw mit vLLM auf 4× DGX Spark
DeepSeek-V4.1-Flash 763B EXL3 3.5 bpw mit vLLM auf 4× DGX Spark: 39,4 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).
von tonyd2wild
Intelligenz (Originalmodell) · Artificial Analysis40mit Denkenohne Denken 25
Engine
- Engine
- vLLM + cuda-exl3 (Image vllm-dsv41:exl3a, Patch-Set tp3e)
- Quantisierung
- EXL3 3.5bpw routed experts + FP8 Rest
- Modellfamilie
- DeepSeek-V4.1-Flash
- Kontext
- 300.000
- Parameter
- ~763B
- Kreator
- tonyd2wild
- GitHub-Sterne
- 154
- Repo-Stand
- 26. Okt. 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
Was brauche ich
- Hardware
- 4 × NVIDIA DGX Spark (GB10)
- Gewichte
- Hauptgewichtbot-lab-21/DeepSeek-V4.1-Flash-EXL3-3.5bpw-Pollard MIT
- Basisdeepseek-ai/DeepSeek-V4.1-Flash MIT
- Engine
- vLLM + cuda-exl3 (Image vllm-dsv41:exl3a, Patch-Set tp3e)
- Kontext
- 300.000 Token
Hinweise
Was vor dem Nachbauen wichtig ist.
- Experimentell
- Eigener Kernel nötig
Quellen
- github.com/tonyd2wild/DeepSeek-V4.1-Flash-TP2-and-TP4-DGX-Sparks/blob/main/results/exl3tp4b-rep1/bench-exl3tp4b-rep1.md
- github.com/tonyd2wild/DeepSeek-V4.1-Flash-TP2-and-TP4-DGX-Sparks/blob/main/results/exl3tp4b/bench-exl3tp4b.md
- github.com/tonyd2wild/DeepSeek-V4.1-Flash-TP2-and-TP4-DGX-Sparks#four-sparks-on-exl3-the-context-lane
- github.com/tonyd2wild/DeepSeek-V4.1-Flash-TP2-and-TP4-DGX-Sparks/blob/main/docs/EXL3-TP3.md#tp4-lane-four-sparks-on-exl3-the-context-lane
Verwandte Rezepte
8× DGX Spark
74tok/sAlltag
1 Anfrage, Generierung bei 32K Kontext (Speed-Tabelle, Ring aus acht), Thinking on, high, mit DSpark (laut Rezept); experimentelles Profil Quelle
Intelligenz40mit Denkenohne Denken 25
- Eigener Kernel nötig
- Experimentell
4× RTX PRO 6000
73,1tok/sAlltag
1 Anfrage, Prosa-Prompt, Kontext 32788, mit DSPARK Quelle
Intelligenz40mit Denkenohne Denken 25
4× DGX Spark
71tok/sAlltag
1 Anfrage, Decode bei 32K Kontext (Speed-Tabelle, Ring aus vier), Thinking on, high Quelle
Intelligenz40mit Denkenohne Denken 25
- Eigener Kernel nötig
4× DGX Spark
59,1tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept) Quelle
Intelligenz40mit Denkenohne Denken 25
3× DGX Spark
51tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP/EAGLE (spekulativ, ~59 ms/step) (laut Rezept) Quelle
Intelligenz40mit Denkenohne Denken 25
- Eigener Kernel nötig
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.