1× Mac
155tok/sAlltag
1 Anfrage, llmprobe-Standardprompt, Thinking an, mit MTP + PLD (laut Rezept) Quelle
Intelligenz40mit Denken
- Experimentell
- Lizenz ungeklärt
Lokale KI · Rezept · 1× Strix Halo
Qwen3.8-Flash-Next EXL3 3.05 bpw mit ExLlamaV3 auf 1× Strix Halo
Qwen3.8-Flash-Next EXL3 3.05 bpw mit ExLlamaV3 auf 1× Strix Halo: 41,3 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).
von vcruz305
Engine
- Engine
- ExLlamaV3 (HIP/ROCm)
- Quantisierung
- EXL3 3.05bpw (turboderp), Q4 KV
- Modellfamilie
- Qwen3.8-Flash-Next
- Kontext
- 262.144
- Kreator
- vcruz305
- GitHub-Sterne
- 0
- Repo-Stand
- 18. 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 × AMD Strix Halo
- Gewichte
- Hauptgewichtturboderp/Qwen3.8-Flash-Next-exl3 other
- Engine
- ExLlamaV3 (HIP/ROCm)
- Kontext
- 262.144 Token
Hinweise
Was vor dem Nachbauen wichtig ist.
- Eigener Kernel nötig
- Lizenz ungeklärt
Quellen
Verwandte Rezepte
4× RTX 3090
110tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP (laut Rezept) Quelle
Intelligenz40mit Denken
- Lizenz ungeklärt
2× DGX Spark
89,3tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
- Eigener Kernel nötig
- Lizenz ungeklärt
2× DGX Spark
74tok/sAlltag
1 Anfrage, Prosa-Prompt (lange Story), Thinking off, mit MTP Quelle
Intelligenz40mit Denken
- Eigener Kernel nötig
- Lizenz ungeklärt
4× DGX Spark
73tok/sAlltag
1 Anfrage, Decode bei 32K Kontext (Speed-Tabelle, Ring aus vier), Thinking on, xhigh Quelle
Intelligenz40mit Denken
- Eigener Kernel nötig
2× DGX Spark
69,6tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP (laut Rezept) Quelle
Intelligenz40mit Denken
- Lizenz ungeklärt
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.