4× RTX 3090
145tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DFlash (laut Rezept) Quelle
Intelligenz34mit Denkenohne Denken 20
- Experimentell
Lokale KI · Rezept · 1× RTX 5090
Qwen3.8 27.32B UD-IQ2_XXS mit llama.cpp auf 1× RTX 5090
Qwen3.8 27.32B UD-IQ2_XXS mit llama.cpp auf 1× RTX 5090: 115 tok/s laut huggingface.co (Datensatz-Stand: 3. Nov. 2026).
von notwitcheer
Intelligenz (Originalmodell) · Artificial Analysis34mit Denkenohne Denken 20
≤ 3 bit: Quantisierung kann Qualität kosten
Engine
- Engine
- llama.cpp b9653
- Quantisierung
- GGUF UD-IQ2_XXS … Q8_0
- Modellfamilie
- Qwen3.8
- Kontext
- —
- Parameter
- 27.32B dense (hybrid linear attn)
- Kreator
- notwitcheer
- GitHub-Sterne
- 46
- Repo-Stand
- 1. Nov. 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 RTX 5090
- Gewichte
- Hauptgewichtunsloth/Qwen3.8-27B-GGUF Apache-2.0
- Engine
- llama.cpp b9653
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.
Quellen
Verwandte Rezepte
2× RTX 3090
123tok/sAlltag
1 Anfrage, Prosa-Prompt, mit Draft Quelle
Intelligenz34mit Denkenohne Denken 20
4× RTX 3090
85,3tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DFlash2 (laut Rezept) Quelle
Intelligenz34mit Denkenohne Denken 20
2× RTX 3090
76,4tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP Quelle
Intelligenz34mit Denkenohne Denken 20
1× DGX Spark
58,3tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DFlash2 (laut Rezept) Quelle
Intelligenz34mit Denkenohne Denken 20
- Eigener Kernel nötig
1× RTX 3090
57tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP Quelle
Intelligenzkein unabhängiger Wert
- 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.