DGX Spark just arrived — planning to run vLLM + local models, looking for advice

Ein neuer DGX Spark Besitzer sucht Ratschläge zur Konfiguration für lokale LLM-Inferenz und plant die Nutzung von vLLM, PyTorch und Hugging Face Modellen für ein privates API-Backend. Er bittet um Empfehlungen für effiziente Modelle, Optimierungstipps für vLLM auf Unified-Memory-Systemen und Einblicke in den realen Durchsatz.