4× DGX Spark
87,7tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DSpark (laut Rezept) Quelle
Intelligenz40mit Denkenohne Denken 25
Lokale KI · Rezept · 1× DGX Spark
DeepSeek-V4.1-Flash EXL3 1.59 bpw mit ExLlamaV3 auf 1× DGX Spark
DeepSeek-V4.1-Flash EXL3 1.59 bpw mit ExLlamaV3 auf 1× DGX Spark: 17,5 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).
von vcruz305
Intelligenz (Originalmodell) · Artificial Analysis40mit Denkenohne Denken 25Wert des Originalmodells. Stark komprimiert (~1,6 Bit), Intelligenz dürfte deutlich niedriger liegen.
≤ 3 bit: Quantisierung kann Qualität kosten
Engine
- Engine
- ExLlamaV3 Fork + EXL3-Attention/MTP-Overlay
- Quantisierung
- EXL3 SAGE 1.59bpw
- Modellfamilie
- DeepSeek-V4.1-Flash
- Kontext
- —
- Kreator
- vcruz305
- GitHub-Sterne
- 13
- Repo-Stand
- 25. Sept. 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
- 1 × NVIDIA DGX Spark (GB10)
- Gewichte
- Hauptgewichtvcruz305/DSV4.1-Flash-SAGE-EXL3-1.59bpw MIT
- Basisdeepseek-ai/DeepSeek-V4.1-Flash MIT
- Engine
- ExLlamaV3 Fork + EXL3-Attention/MTP-Overlay
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.
- Sehr starke Quantisierung
- Eigener Kernel nötig
Quellen
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.