2× DGX Spark
35tok/sAlltag
1 Anfrage, Prosa-Prompt, mit EAGLE Quelle
Intelligenzkein unabhängiger Wert
- Experimentell
Lokale KI · Rezept · 1× RTX PRO 6000
MiMo-V2.6-Flash EXL3 2.20 bpw mit ExLlamaV3 auf 1× RTX PRO 6000
MiMo-V2.6-Flash EXL3 2.20 bpw mit ExLlamaV3 auf 1× RTX PRO 6000: 184 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).
von vcruz305
Intelligenz (Originalmodell) · Artificial Analysiskein unabhängiger Wert
≤ 3 bit: Quantisierung kann Qualität kosten
Engine
- Engine
- ExLlamaV3 (native /v1 server) v1.5.1.post1 (Fork)
- Quantisierung
- EXL3 2.20bpw (86.94 GB)
- Modellfamilie
- MiMo-V2.6-Flash
- Kontext
- 65.536
- Parameter
- 48 Layer, 256 routed Experten top-8
- Kreator
- vcruz305
- GitHub-Sterne
- 3
- Repo-Stand
- 27. 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
Zeit bis zum ersten Token
Kürzer ist besser.
Was brauche ich
- Hardware
- 1 × NVIDIA RTX PRO 6000 Blackwell
- Gewichte
- Hauptgewichtvcruz305/MiMo-V2.6-Flash-MOPD-EXL3 MIT
- Draft-ModellXiaomiMiMo/MiMo-V2.6-Flash-RL MIT
- BasisXiaomiMiMo/MiMo-V2.6-Flash-RL MIT
- Engine
- ExLlamaV3 (native /v1 server) v1.5.1.post1 (Fork)
- Kontext
- 65.536 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.
- Eigener Kernel nötig
Quellen
Verwandte Rezepte
4× DGX Spark
59,8tok/sGemischt
1 Anfrage, gemischtes Prompt-Set, mit DFlash (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
- Eigener Kernel nötig
2× DGX Spark
53,3tok/sGemischt
1 Anfrage, gemischtes Prompt-Set, mit DFlash (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
- Eigener Kernel nötig
2× DGX Spark
kein belegter Tempowert
Intelligenzkein unabhängiger Wert
- Eigener Kernel nötig
1× RTX PRO 6000
207tok/sGemischt
1 Anfrage, gemischtes Prompt-Set, mit FR-Spec + NEXTN (laut Rezept) Quelle
Intelligenz40mit Denken
- Eigener Kernel nötig
- Lizenz ungeklärt
1× RTX PRO 6000
287tok/sSpitze
1 Anfrage, synthetischer Prompt Quelle
Intelligenz9mit Denken
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.