Technische whitepapers van Openzeka

Diepgaande technische analyses over kunstmatige intelligentie, high-performance computing en embedded systemen. Van NVIDIA DGX/HGX-datacenteroplossingen tot Jetson-gebaseerde edge-inferentie, van DGX Spark mini-supercomputers tot het Cordatus AI-platform voor realtime videoanalyse.

Geautoriseerde NVIDIA Robotics-distributeur voor Türkiye & MEA · DGX AI Compute Systems Partner · Omniverse Partner · Visualization Elite Partner

NVIDIA Preferred Partner NVIDIA Elite Partner NVIDIA Partner NVIDIA Omniverse Partner

Nieuwste whitepapers

Technische gidsSystem One in productie: besliskwaliteit, betrouwbaarheid en prestaties op DGX Spark met vLLM en SGLang

Zes typed-decision-modellen van 0.6B tot 27B geëvalueerd op één NVIDIA DGX Spark met vLLM en SGLang: Turkse nauwkeurigheid, kalibratie van het vertrouwen, parafraseconsistentie, multimodale grenzen, overdraagbaarheid tussen engines en de vertrouwensdrempels die een productiebeleid nodig heeft.

november 2026
LLM-benchmarkOffloading van de KV-cache met LMCache bij LLM-inferentie

Wat LMCache aan vLLM toevoegt wanneer dezelfde contexten terugkomen: een drietraps KV-cache (GPU, CPU, NVMe) op DGX Spark, gemeten TTFT — 1.95× bij hergebruik, 3.3× na een herstart van de service — en de instellingen en grenzen die daarbij horen.

oktober 2026
Technische gidsNetwerklinksnelheid voor tensorparallelle inferentie op 8× DGX Spark (200G vs 100G)

Hoeveel netwerkbandbreedte een tensorparallel cluster van 8 Sparks werkelijk gebruikt, en wat het kost om elke DGX Spark op 100G in plaats van 200G te laten draaien: het mechanisme, een schatting op basis van de architectuur van het model, en metingen met GLM-5.3 op TP8.

oktober 2026
BeslisgidsKeuzegids voor LLM-kwantisatie

Beslisgids voor LLM-kwantisatie: hoe workload, kwantisatieformaat, GPU-architectuur en betrouwbaarheid van checkpoints de keuze bepalen — met de keuzestroom, veelgemaakte fouten, voorbeelden en een snelle opdrachtenreferentie.

oktober 2026
ApparaatadviesApparaatadvies

Beschrijf uw camera's en kies een vision-language-model, dan noemt deze pagina het kleinste door ons gemeten apparaat dat het bijhoudt — en speelt de stroom daarna af als een live tijdlijn, zodat u ziet hoe vaak elke camera antwoord krijgt en hoeveel van haar frames het model ooit ziet.

oktober 2026
VLM-benchmarkVLM Inference Benchmark Explorer

Verken inferentiebenchmarks van vision-languagemodellen op Jetson AGX Thor, DGX Spark, RTX PRO 6000 Blackwell, Jetson AGX Orin 32GB en Jetson Orin NX 16GB. Kies het beeldformaat, stel in hoe lang een camera op zijn antwoord mag wachten, en zie hoeveel camera's elke configuratie bijhoudt.

oktober 2026
Technische gidsDe eerste open-gewichtsalternatieven voor Jev

Zes open-weight typed-decision-modellen, vergeleken op één NVIDIA DGX Spark (GB10) via één gedeelde state + questions-interface en één set van 25 vragen: nauwkeurigheid, kalibratie, gevoeligheid voor de optievolgorde en latentie — plus welk model bij welke taak past.

oktober 2026
Technische gidsEngram-offloading bij LLM-inferentie

Engram-tabellen zijn groot, maar per token worden er maar een paar rijen uit gelezen; daarom kunnen ze van het GPU-geheugen naar systeem-RAM of NVMe. Wat dat betekent op DGX Spark, RTX PRO 6000 en DGX B300, en meetresultaten met DeepSeek-V4.1-Flash en Qwen3.8-Flash-Next.

september 2026
LLM-deploymentDeepSeek-V4.1-Flash-deployment op 8× DGX Spark met TP8

Deployment van DeepSeek-V4.1-Flash (763B MoE, FP8, DSpark k=5) op 8× NVIDIA DGX Spark (GB10) met TP8: twee configuraties (300K met Engram in het geheugen, 1M met Engram-on-disk), NCCL-optimalisatie, benchmarkresultaten en vergelijking met TP4.

september 2026
CV-benchmarkCV Inference Benchmark Explorer

Verken de inferentiebenchmarks voor computer vision van OpenZeka op NVIDIA GPU's en Jetson-apparaten. Kies een GPU en een detectiemodel om te zien welke framerate het volhoudt, hoe die daalt naarmate er camera's bijkomen, en hoeveel camera's het draagt bij uw doel-FPS.

september 2026
LLM-deploymentDeepSeek-V4.1-Flash-deployment op 4× DGX Spark

Deployment van DeepSeek-V4.1-Flash (763B MoE, FP8, DSpark k=5) op 4× NVIDIA DGX Spark (GB10) met tensorparallellisme: vLLM-buildketen, 7 patches voor SM 12.1a, Engram-on-disk, benchmarkresultaten en vergelijking met B300.

september 2026
LLM-benchmarkLLM Inference Benchmark Explorer

Verken de LLM-inferentiebenchmarks van OpenZeka op NVIDIA DGX Spark, DGX B300, RTX PRO 6000 Blackwell en Jetson Thor. Filter op model, aantal parameters, apparaat, kwantisatie en gelijktijdigheid, en stel uw eigen prestatiedoelen in.

augustus 2026
ArchitectuurvergelijkingNVIDIA DGX B300 vs GB300 NVL72: vergelijking van clusterarchitecturen

Technische vergelijking van twee NVIDIA Blackwell Ultra-architecturen, DGX B300 en GB300 NVL72: systeemontwerp, schaalaanpak, netwerkfabric, stroom en koeling, en welke workloads bij welk platform passen.

augustus 2026
LLM-benchmarkKimi K3-inferentiebenchmark op DGX-B300

Prestatie-evaluatie van Moonshot AI Kimi K3 (2.8T MoE, MXFP4) op NVIDIA DGX-B300 (8x Blackwell Ultra, TP=8): vLLM versus SGLang, direct versus DSpark speculatieve decodering, met capaciteitsplanning op basis van SLO's.

juli 2026
ClusterinstallatieInstallatiehandleiding voor een DGX Spark AI-cluster met 3 nodes

Installatie van een AI-cluster in ringtopologie (mesh) met 3 NVIDIA DGX Spark-nodes: management- en compute-netwerk, RoCEv2/RDMA, sparkrun-configuratie.

juli 2026
ClusterinstallatieInstallatiehandleiding voor een DGX Spark AI-cluster met 2 nodes

Installatie van een AI-cluster in point-to-point-topologie met 2 NVIDIA DGX Spark-nodes: management- en compute-netwerk, RoCEv2/RDMA, sparkrun-configuratie.

juli 2026
ClusterinstallatieInstallatiehandleiding voor een DGX Spark AI-cluster met 8 nodes

Installatie van een switchgebaseerd AI-cluster met 8 NVIDIA DGX Spark-nodes via een MikroTik CRS804 met 200G-breakout: management- en compute-netwerk, RoCEv2/RDMA, sparkrun en NAS.

juli 2026
ClusterinstallatieInstallatiehandleiding voor een DGX Spark AI-cluster met 4 nodes

Installatie van een switchgebaseerd AI-cluster met 4 NVIDIA DGX Spark-nodes via een MikroTik CRS812: management- en compute-netwerk, RoCEv2/RDMA, sparkrun en NAS.

juli 2026
LLM-schalingSchaling van Qwen3.6-27B op een DGX Spark-cluster

Schalingsstudie over meerdere nodes van Qwen3.6-27B-NVFP4 op 1x, 2x en 4x NVIDIA DGX Spark (GB10): tensorparallellisme over 200GbE, capaciteitsplanning op basis van SLO's en advies voor de keuze tussen TP en replicatie bij deployment.

juli 2026
LLM-benchmarkQwen3.6-27B DGX Spark-benchmark

Prestatie-evaluatie van het Qwen3.6-27B-model op het NVIDIA DGX Spark (GB10)-platform met de kwantisatievarianten FP8, FP8-MTP, AWQ-MTP, NVFP4 en NVFP4-MTP.

juli 2026
BeslisgidsHandleiding voor lokaal LLM-gebruik

Integrale beslisgids voor lokaal LLM-gebruik: hardware (NVIDIA Jetson, RTX PRO, DGX Spark, DGX/HGX), modelkeuze, softwarestack en koppeling aan scenario's.

juni 2026

Laatste wijzigingen

  1. 17 november 2026Nieuwe VLM-benchmarkAlpamayo2-Super — Jetson AGX ThorAlpamayo2-Super op Jetson AGX Thor: het vision-language-deel in BF16 geserveerd met vLLM, responstijd gemeten van 1 tot 176 gelijktijdige camera's en tot 256 beelden per verzoek, met een rijtest met zes camera's van het hele model via zijn officiële PyTorch-inferentie (13.3 s per beslissing).
  2. 17 november 2026Nieuwe VLM-benchmarkAlpamayo2-Edge — Jetson AGX ThorAlpamayo2-Edge op Jetson AGX Thor: het vision-language-deel in BF16 geserveerd met vLLM, responstijd gemeten van 1 tot 1,408 gelijktijdige camera's en tot 512 beelden per verzoek, met een rijtest met zes camera's van het hele model via zijn TensorRT Edge-LLM-recept (331 ms per beslissing).
  3. 13 november 2026Nieuwe VLM-benchmarkQwen3-VL-30B-A3B-Instruct — DGX B300 (1 GPU)Qwen3-VL-30B-A3B-Instruct op DGX B300 (1 GPU): FP8-gewichten geserveerd met vLLM, responstijd gemeten van 1 tot 384 gelijktijdige camera's en tot 256 beelden per verzoek.
  4. 9 november 2026Nieuwe LLM-benchmarkKimi-K3.1-Pro — DGX B300Kimi-K3.1-Pro op DGX B300: MXFP4-gewichten geserveerd met SGLang over 8 GPU's, met DFlash2 speculatieve decodering (k=8) en een context van 1M, gemeten tot 128 gelijktijdige verzoeken.
  5. 6 november 2026Nieuwe LLM-benchmarkMistral-Large-4-1T-A52B — DGX B300Mistral-Large-4-1T-A52B op DGX B300: FP8-gewichten geserveerd met SGLang over 8 GPU's, met DSpark speculatieve decodering (k=3) en een context van 1M, gemeten tot 128 gelijktijdige verzoeken.

Alle wijzigingen →

Expertisegebieden

Embedded & edge-AI

Realtime inferentie, robotica en fysieke AI op de NVIDIA Jetson-modulefamilie (Orin, Thor, Xavier).

Datacenter

Schaalbare infrastructuur voor AI-training en -inferentie met DGX-, HGX- en PCIe-gebaseerde serversystemen.

Mini-supercomputer

DGX Spark-familie met GB10-architectuur — compacte, krachtige en schaalbare persoonlijke AI-werkstations.

Professionele GPU

Render-, AI- en HPC-workloads met RTX PRO- en Ada Lovelace-grafische kaarten voor werkstations.

Cordatus AI

Open-source platform voor realtime videoanalyse — IVA-software van edge tot cloud.

Digital twin

Industriële simulatie, generatie van synthetische data en ontwikkeling van fysieke AI met NVIDIA Omniverse.