2× RTX 3090
187tok/sAlltag
1 Anfrage, Prosa-Prompt, Prompt 450 Token, ohne Spekulation Quelle
Intelligenzkein unabhängiger Wert
Lokale KI · Rezept · 2× RTX 3090
MiniCPM-V-4.7 35B-A3B INT4 mit vLLM auf 2× RTX 3090
MiniCPM-V-4.7 35B-A3B INT4 mit vLLM auf 2× RTX 3090: 199 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).
von tonyd2wild
Engine
- Engine
- vLLM 0.31.1rc1.dev296 (nightly fe4df3d, torchcodec removed)
- Quantisierung
- INT4 (compressed-tensors, OpenBMB) + DSpark draft BF16
- Modellfamilie
- MiniCPM-V-4.7
- Kontext
- 262.144
- Parameter
- 35B-A3B
- Kreator
- tonyd2wild
- GitHub-Sterne
- 2
- Repo-Stand
- 13. 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
Zeit bis zum ersten Token
Kürzer ist besser.
Was brauche ich
- Hardware
- 2 × NVIDIA RTX 3090
- Gewichte
- Hauptgewichtopenbmb/MiniCPM-V-4.7-35B-A3B-int4 Apache-2.0
- Basisopenbmb/MiniCPM-V-4.7-35B-A3B Apache-2.0
- Draft-Modellopenbmb/MiniCPM-V-4.7-35B-A3B-DSpark Apache-2.0
- Engine
- vLLM 0.31.1rc1.dev296 (nightly fe4df3d, torchcodec removed)
- Kontext
- 262.144 Token
Hinweise
Was vor dem Nachbauen wichtig ist.
- vision
- tool-calling
Quellen
- github.com/tonyd2wild/MiniCPM-V-4.7-35B-A3B-2x-RTX-3090#draft-length-7-beats-the-model-cards-15
- github.com/tonyd2wild/MiniCPM-V-4.7-35B-A3B-2x-RTX-3090#concurrency-sweep-with-the-draft-best-case-json
- github.com/tonyd2wild/MiniCPM-V-4.7-35B-A3B-2x-RTX-3090/blob/main/results/speed/prefill_len_minicpm47-2x3090-tp2-nvl-dspark7.json
- github.com/tonyd2wild/MiniCPM-V-4.7-35B-A3B-2x-RTX-3090#dspark-speculative-decoding
- github.com/tonyd2wild/MiniCPM-V-4.7-35B-A3B-2x-RTX-3090/blob/main/README.md
Verwandte Rezepte
2× RTX 3090
179tok/sAlltag
1 Anfrage, Prosa-Prompt, ohne Spekulation Quelle
Intelligenz18mit Denkenohne Denken 15
- Lizenz ungeklärt
2× RTX 3090
151tok/sAlltag
1 Anfrage, Prosa-Prompt, ohne Spekulation Quelle
Intelligenzkein unabhängiger Wert
2× RTX 3090
144tok/sAlltag
1 Anfrage, Prosa-Prompt, ohne Spekulation Quelle
Intelligenzkein unabhängiger Wert
2× RTX 3090
123tok/sAlltag
1 Anfrage, Prosa-Prompt, mit Draft Quelle
Intelligenz34mit Denkenohne Denken 20
2× RTX 3090
109tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP (laut Rezept) Quelle
Intelligenz21mit Denkenohne Denken 20
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.