---
type: "Article"
title: "Qwen3.8-Flash-Next 125B NVFP4 mit vLLM auf 4× DGX Spark"
description: "Qwen3.8-Flash-Next 125B NVFP4 mit vLLM auf 4× DGX Spark: Rezept von tonyd2wild mit Tempo, Bedingung und Quelle je Zahl, Gewichten und Lizenz."
resource: "https://www.contextstudios.ai/de/lokale-ki/tonyd2wild--qwen3.8-flash-next-nvfp4-dgx-spark-4x"
language: "de"
generated:
  by: "process:contextstudios-md/1"
  at: "2026-10-02T00:21:30.898Z"
status: "stable"
---

# Qwen3.8-Flash-Next 125B NVFP4 mit vLLM auf 4× DGX Spark

Qwen3.8-Flash-Next 125B NVFP4 mit vLLM auf 4× DGX Spark: 40,5 tok/s laut github.com (Datensatz-Stand: 29. Sept. 2026).

- Kreator: [tonyd2wild](https://www.contextstudios.ai/de/lokale-ki/kreatoren/tonyd2wild.md)
- Engine: vLLM nightly 8a728663 + PLE-mmap-Patch
- Quantisierung: NVFP4 (nvidia), FP8 KV
- Modellfamilie: Qwen3.8-Flash-Next
- Hardware: dgx-spark x4
- Kontext: 262144
- Artificial Analysis Intelligence Index: 39.8 ([source](https://artificialanalysis.ai/models/qwen3-8-flash-next))

## Alle Zahlen

- 40,5 tok/s (Gemischt; Gemischt, 1 Anfrage, gemischtes Prompt-Set, mit MTP (laut Rezept)) — [source](https://github.com/tonyd2wild/Qwen3.8-Flash-Next-NVFP4-DGX-Spark/blob/main/README.md#L129)
- decode_tps: 40.5 (1 Anfrage) — [source](https://github.com/tonyd2wild/Qwen3.8-Flash-Next-NVFP4-DGX-Spark/blob/main/README.md#L129)
- decode_tps: 40.5 (1 Anfrage) — [source](https://github.com/tonyd2wild/Qwen3.8-Flash-Next-NVFP4-DGX-Spark/blob/main/README.md#L129)
- prefill_tps: 2453 (1 Anfrage) — [source](https://github.com/tonyd2wild/Qwen3.8-Flash-Next-NVFP4-DGX-Spark/blob/main/README.md#L129)

## Gewichte

- [nvidia/Qwen3.8-Flash-Next-NVFP4](https://huggingface.co/nvidia/Qwen3.8-Flash-Next-NVFP4) (main, other)

[https://github.com/tonyd2wild/Qwen3.8-Flash-Next-NVFP4-DGX-Spark](https://github.com/tonyd2wild/Qwen3.8-Flash-Next-NVFP4-DGX-Spark)

## Related

- [Lokale KI auf Ihrer Hardware.](https://www.contextstudios.ai/de/lokale-ki.md)