[{"data":1,"prerenderedAt":1472},["ShallowReactive",2],{"blog-post-nl-\u002Fblog\u002Fpaiton-flux2-klein-radeon-ai-pro-r9700":3,"blog-posts-sidebar-nl":995},{"id":4,"title":5,"body":6,"categories":975,"date":981,"description":982,"extension":983,"heading":984,"image":985,"meta":986,"navigation":987,"originalUrl":988,"path":989,"seo":990,"slug":991,"stem":992,"updated":993,"__hash__":994},"blogNl\u002Fblog\u002Fpaiton-flux2-klein-radeon-ai-pro-r9700.md","Lokale FLUX.2 klein op Radeon AI PRO R9700: sneller beelden genereren met minder VRAM",{"type":7,"value":8,"toc":963},"minimark",[9,13,21,44,55,61,67,72,75,140,166,173,180,187,196,200,203,209,258,269,280,284,287,290,296,350,356,359,366,370,385,391,394,397,403,465,468,479,483,486,525,532,543,546,550,553,575,588,594,601,605,612,615,741,744,751,755,776,779,799,803,806,846,866,869,922,934,938,950,959],[10,11,12],"p",{},"Een productconcept. Een bosfoto. Een regenachtige straat in aquarel. Het handige aan lokale beeldgeneratie is dat u de prompt kunt aanpassen en meteen opnieuw kunt proberen, zonder het verzoek naar een externe dienst te sturen.",[10,14,15,16,20],{},"Ons gratis Paiton-profiel maakt dat mogelijk met ",[17,18,19],"strong",{},"FLUX.2 klein 4B op één AMD Radeon AI PRO R9700",", inclusief een gebruiksklare ComfyUI-configuratie.",[10,22,23,24,27,28,31,32,35,36,39,40,43],{},"Bij ",[17,25,26],{},"1024 × 1024 pixels, vier stappen en een batchgrootte van één"," duurt de volledige generatie met een opgewarmde pipeline gemiddeld ",[17,29,30],{},"1,054 seconden per beeld",", tegenover ",[17,33,34],{},"1,258 seconden"," voor de beste standaardconfiguratie die we hebben gekwalificeerd. Dat betekent ",[17,37,38],{},"16,2% minder generatietijd"," en ",[17,41,42],{},"19,4% meer berekende beelden per uur",".",[10,45,46,47,50,51,54],{},"Ook het geheugengebruik daalt: de piekallocatie in Torch neemt af van ",[17,48,49],{},"19,3 naar 12,9 GiB",", een gerapporteerde ",[17,52,53],{},"daling van 33,4%",". De tekstencoder, transformer en VAE blijven op de GPU. Er worden geen modelonderdelen naar de CPU verplaatst.",[10,56,57,60],{},[17,58,59],{},"Het hoofdcijfer meet de generatie van prompt tot beeld met een opgewarmde pipeline, niet het opstarten of de tijd vanaf een klik in de browser."," Tekstcodering, denoising, VAE-decodering en omzetting naar een PIL-afbeelding zijn inbegrepen. PNG-codering, het wegschrijven van bestanden en de interface zijn niet meegerekend.",[10,62,63],{},[64,65,66],"em",{},"De vos bovenaan is een bewaard benchmarkresultaat van het Paiton FLUX.2 klein-profiel, met seed 42.",[68,69,71],"h2",{"id":70},"ga-lokaal-aan-de-slag","Ga lokaal aan de slag",[10,73,74],{},"Op een Linux-workstation met een R9700, Docker, de Compose-plugin en een werkend AMD GPU-stuurprogramma start u de meegeleverde workflow als volgt:",[76,77,82],"pre",{"className":78,"code":79,"language":80,"meta":81,"style":81},"language-bash shiki shiki-themes github-light github-dark","git clone --depth 1 \\\n  --branch paiton-flux2-klein-gfx1201-v1.0.1 \\\n  https:\u002F\u002Fgithub.com\u002FEliovp-BV\u002Fpaiton-vllm-plugin.git\ncd paiton-vllm-plugin\n.\u002Fmodels\u002FFLUX.2-klein\u002Flaunch.sh\n","bash","",[83,84,85,108,119,125,134],"code",{"__ignoreMap":81},[86,87,90,94,98,102,105],"span",{"class":88,"line":89},"line",1,[86,91,93],{"class":92},"sScJk","git",[86,95,97],{"class":96},"sZZnC"," clone",[86,99,101],{"class":100},"sj4cs"," --depth",[86,103,104],{"class":100}," 1",[86,106,107],{"class":100}," \\\n",[86,109,111,114,117],{"class":88,"line":110},2,[86,112,113],{"class":100},"  --branch",[86,115,116],{"class":96}," paiton-flux2-klein-gfx1201-v1.0.1",[86,118,107],{"class":100},[86,120,122],{"class":88,"line":121},3,[86,123,124],{"class":96},"  https:\u002F\u002Fgithub.com\u002FEliovp-BV\u002Fpaiton-vllm-plugin.git\n",[86,126,128,131],{"class":88,"line":127},4,[86,129,130],{"class":100},"cd",[86,132,133],{"class":96}," paiton-vllm-plugin\n",[86,135,137],{"class":88,"line":136},5,[86,138,139],{"class":92},".\u002Fmodels\u002FFLUX.2-klein\u002Flaunch.sh\n",[10,141,142,143,150,151,154,155,158,159,162,163,43],{},"Open ",[144,145,149],"a",{"href":146,"rel":147},"http:\u002F\u002F127.0.0.1:8188\u002F?paiton=1",[148],"nofollow","ComfyUI op localhost:8188",", pas de prompt aan en klik op ",[17,152,153],{},"Run",". De aangesloten workflow bevat een enginekeuze voor ",[17,156,157],{},"Paiton"," of ",[17,160,161],{},"Stock (Diffusers)",", een seedinstelling, een beeldvoorbeeld en een Save Image-node. De beelden worden opgeslagen in ",[83,164,165],{},"paiton-images\u002F",[10,167,168],{},[169,170],"img",{"alt":171,"src":172},"De meegeleverde ComfyUI-workflow met de Paiton-enginekeuze, prompt en het beeldvoorbeeld.","\u002Fasset\u002Fimages\u002Fblog\u002Fpaiton-flux2-klein\u002Fcomfyui-workflow.webp",[10,174,175,176,179],{},"Bij het eerste beeld wordt de gekozen engine geladen en gecompileerd. Dat kan enkele minuten duren. Volgende prompts gebruiken dezelfde geladen engine. Bij het wisselen van engine wordt het vorige model uit het geheugen verwijderd en moet de nieuwe engine opnieuw worden voorbereid. Beide modellen staan dus niet tegelijk in het GPU-geheugen. Wilt u resultaten vergelijken, houd dan de prompt en seed gelijk en kies ",[17,177,178],{},"fixed"," bij de seedinstelling.",[10,181,182,183,186],{},"De geteste computer heeft 16 GB RAM. We raden ",[17,184,185],{},"24 GB systeemgeheugen en 60 GB vrije schijfruimte"," aan voor compilatie, containers, modelbestanden, caches en resultaten. Downloads en caches blijven tussen starts bewaard. Na de installatie gebeurt de generatie lokaal, zonder betaalde inferentiedienst of cloud-GPU.",[10,188,189,190,195],{},"De ",[144,191,194],{"href":192,"rel":193},"https:\u002F\u002Fgithub.com\u002FEliovp-BV\u002Fpaiton-vllm-plugin\u002Ftree\u002Fmain\u002Fmodels\u002FFLUX.2-klein",[148],"modelhandleiding"," beschrijft ook een eenvoudige promptinterface, generatie via de terminal en het toevoegen van de node aan een bestaande ComfyUI-installatie.",[68,197,199],{"id":198},"wat-de-snelheidsmeting-omvat","Wat de snelheidsmeting omvat",[10,201,202],{},"Beide engines gebruiken hetzelfde modelcheckpoint en dezelfde generatie-instellingen. We meten de volledige generatiecyclus met een opgewarmde pipeline. Het resultaat is dus niet afgeleid van de versnelling van één afzonderlijke kernel.",[10,204,205],{},[169,206],{"alt":207,"src":208},"Generatie met een opgewarmde pipeline duurt 1,054 seconden met Paiton tegenover 1,258 seconden met de gekwalificeerde standaardconfiguratie. De berekende uurcapaciteit is respectievelijk 3.416 en 2.862 beelden.","\u002Fasset\u002Fimages\u002Fblog\u002Fpaiton-flux2-klein\u002Fgeneration-performance.webp",[210,211,212,228],"table",{},[213,214,215],"thead",{},[216,217,218,222,226],"tr",{},[219,220,221],"th",{},"Generatiemeting",[219,223,225],{"align":224},"right","Gekwalificeerde standaardconfiguratie + gewichtencache",[219,227,157],{"align":224},[229,230,231,245],"tbody",{},[216,232,233,237,240],{},[234,235,236],"td",{},"Gemiddelde seconden per beeld, opgewarmde pipeline",[234,238,239],{"align":224},"1,258",[234,241,242],{"align":224},[17,243,244],{},"1,054",[216,246,247,250,253],{},[234,248,249],{},"Berekende beelden per uur",[234,251,252],{"align":224},"2.862",[234,254,255],{"align":224},[17,256,257],{},"3.416",[10,259,260,261,264,265,268],{},"De berekende capaciteit is ",[83,262,263],{},"3600 \u002F gemiddelde generatietijd in seconden",". Dit is ",[17,266,267],{},"geen throughputmeting van een uur",". Het wegschrijven van PNG-bestanden en de tijd om prompts aan te passen zijn niet inbegrepen. De stijging van 19,4% in capaciteit en de daling van 16,2% in generatietijd drukken dezelfde verbetering op een andere manier uit.",[10,270,271,272,275,276,279],{},"De interface voegt eigen verwerkingstijd toe. In een afzonderlijke ComfyUI-validatie duurden twee workflowuitvoeringen met een opgewarmde engine ",[17,273,274],{},"1,408 en 1,404 seconden",", gemiddeld ",[17,277,278],{},"1,406 seconden"," inclusief lokale communicatie met de engine, beeldverwerking en opslag. Deze servertijden omvatten niet de weergave in de browser en zijn niet de prompt-naar-PIL-benchmark waarop het hoofdcijfer is gebaseerd.",[68,281,283],{"id":282},"minder-geheugengebruik-zonder-cpu-offload","Minder geheugengebruik, zonder CPU-offload",[10,285,286],{},"De downloadgrootte van een model zegt niet hoeveel geheugen het tijdens gebruik nodig heeft. De volledige pipeline gebruikt ook geheugen voor de tekstencoder, decoder, activaties, tijdelijke buffers en compilatie.",[10,288,289],{},"Paiton verlaagt alle drie de gerapporteerde geheugenmetingen in deze vergelijking:",[10,291,292],{},[169,293],{"alt":294,"src":295},"Drie afzonderlijke geheugenmetingen voor de standaardconfiguratie en Paiton: piekallocatie in Torch 19,3 tegenover 12,9 GiB, piekreservering 22,1 tegenover 14,1 GiB en maximaal gemeten driver-VRAM 23,0 tegenover 14,6 GiB.","\u002Fasset\u002Fimages\u002Fblog\u002Fpaiton-flux2-klein\u002Fpipeline-memory.webp",[210,297,298,309],{},[213,299,300],{},[216,301,302,305,307],{},[219,303,304],{},"Geheugenmeting",[219,306,225],{"align":224},[219,308,157],{"align":224},[229,310,311,324,337],{},[216,312,313,316,319],{},[234,314,315],{},"Piekallocatie in Torch",[234,317,318],{"align":224},"19,3 GiB",[234,320,321],{"align":224},[17,322,323],{},"12,9 GiB",[216,325,326,329,332],{},[234,327,328],{},"Piekreservering in Torch",[234,330,331],{"align":224},"22,1 GiB",[234,333,334],{"align":224},[17,335,336],{},"14,1 GiB",[216,338,339,342,345],{},[234,340,341],{},"Maximaal gemeten VRAM-gebruik via het stuurprogramma",[234,343,344],{"align":224},"23,0 GiB",[234,346,347],{"align":224},[17,348,349],{},"14,6 GiB",[10,351,352,355],{},[17,353,354],{},"12,9 GiB is niet het totale VRAM-verbruik."," Allocatie meet het geheugen voor tensors. Reservering meet het geheugen dat de Torch-allocator vasthoudt. Metingen via het stuurprogramma omvatten ook geheugen buiten die allocator. Deze meetwaarden overlappen en mogen niet worden opgeteld.",[10,357,358],{},"De pieken in allocatie en reservering omvatten compilatie, opwarming en generatie. De steekproeven via het stuurprogramma omvatten ook het laden. De waarden zijn afgerond en uitgedrukt in binaire GiB. De kaart wordt verkocht als een model met 32 GB.",[10,360,361,362,365],{},"Het praktische voordeel is meer vrije geheugenruimte op de geteste R9700, terwijl de generatie volledig op de GPU blijft. ",[17,363,364],{},"Deze metingen tonen geen ondersteuning voor een GPU van 16 GB of een andere kaart aan."," Deze release is uitsluitend gekwalificeerd voor de R9700.",[68,367,369],{"id":368},"dezelfde-instellingen-beelden-om-te-vergelijken-geen-identieke-pixels","Dezelfde instellingen, beelden om te vergelijken, geen identieke pixels",[10,371,372,373,376,377,380,381,384],{},"De bewaarde voorbeelden omvatten natuurfotografie met seed ",[17,374,375],{},"42",", productfotografie met ",[17,378,379],{},"31415"," en een boekwinkel in aquarel met ",[17,382,383],{},"2026",". Alle uiteindelijke latente waarden waren eindig en elk resultaat met een vaste seed werd binnen het eigen benchmarkproces exact gereproduceerd.",[10,386,387],{},[169,388],{"alt":389,"src":390},"De bewaarde productbeelden van de standaardconfiguratie en Paiton, met een blauwgroene mok, citroen en PAITON-kaart. Beide gebruiken seed 31415.","\u002Fasset\u002Fimages\u002Fblog\u002Fpaiton-flux2-klein\u002Fproduct-comparison.webp",[10,392,393],{},"Beide productbeelden behouden de blauwgroene kop, gele citroen, het raamlicht en de leesbare kaart met “PAITON”. Ook bij de vos blijven de algemene houding en bosbelichting behouden. Fijne texturen, reflecties en schaduwen verschillen.",[10,395,396],{},"Bij de boekwinkel zijn de verschillen in details groter, onder meer in metselwerk, rekken en opschriften. Beide beelden behouden de aquarelstijl, natte straat, rode regenjas en fiets. De persoon staat naast de fiets in plaats van er zichtbaar op te rijden.",[10,398,399],{},[169,400],{"alt":401,"src":402},"De bewaarde aquarelbeelden van de boekwinkel met seed 2026, met een vergelijkbare compositie maar verschillen in de details.","\u002Fasset\u002Fimages\u002Fblog\u002Fpaiton-flux2-klein\u002Fbookshop-comparison.webp",[210,404,405,421],{},[213,406,407],{},[216,408,409,412,415,418],{},[219,410,411],{},"Prompt",[219,413,414],{"align":224},"RGB SSIM",[219,416,417],{"align":224},"RGB PSNR",[219,419,420],{"align":224},"Relatieve RMSE van de uiteindelijke latente representatie",[229,422,423,437,451],{},[216,424,425,428,431,434],{},[234,426,427],{},"Vos",[234,429,430],{"align":224},"0,975",[234,432,433],{"align":224},"32,45 dB",[234,435,436],{"align":224},"0,146",[216,438,439,442,445,448],{},[234,440,441],{},"Product",[234,443,444],{"align":224},"0,974",[234,446,447],{"align":224},"30,10 dB",[234,449,450],{"align":224},"0,242",[216,452,453,456,459,462],{},[234,454,455],{},"Boekwinkel",[234,457,458],{"align":224},"0,859",[234,460,461],{"align":224},"21,38 dB",[234,463,464],{"align":224},"0,289",[10,466,467],{},"Deze meetwaarden beschrijven de gelijkenis met het standaardresultaat, niet de esthetische kwaliteit of hoe volledig de prompt wordt gevolgd. Kleine numerieke verschillen kunnen tijdens denoising doorwerken. Daarom combineren we controles op bewerkingen met een visuele beoordeling van de eindbeelden.",[10,469,470,471,474,475,478],{},"Ook reproduceerbaarheid heeft grenzen. Een afzonderlijk gecompileerde Paiton-run met een lege compilatiecache leverde een vosbeeld op met een SSIM van ",[17,472,473],{},"0,948"," ten opzichte van het Paiton-beeld met een gevulde cache. De oorzaak kon niet tot één bewerking worden herleid. Deze controle met drie prompts bewijst ",[17,476,477],{},"niet"," dat de kwaliteit ongewijzigd blijft of dat alle prompts, stijlen en afzonderlijk gecompileerde processen identieke pixels opleveren.",[68,480,482],{"id":481},"wat-u-bij-het-opstarten-kunt-verwachten","Wat u bij het opstarten kunt verwachten",[10,484,485],{},"Zodra de engine geladen is, verloopt herhaalde generatie snel. Een nieuw proces heeft nog altijd tijd nodig om te laden en de rekengrafen te initialiseren, ook als de caches bewaard zijn.",[210,487,488,501],{},[213,489,490],{},[216,491,492,495,498],{},[219,493,494],{},"Startsituatie van Paiton",[219,496,497],{"align":224},"Laden van het proces",[219,499,500],{"align":224},"Eerste generatie",[229,502,503,514],{},[216,504,505,508,511],{},[234,506,507],{},"Compilatiecaches gevuld",[234,509,510],{"align":224},"44,7 s",[234,512,513],{"align":224},"19,4 s",[216,515,516,519,522],{},[234,517,518],{},"Compilatiecaches leeg, gewichten al voorbereid",[234,520,521],{"align":224},"48,2 s",[234,523,524],{"align":224},"104,1 s",[10,526,527,528,531],{},"De tijden voor de eerste generatie omvatten het opzetten van de rekengrafen en eventuele resterende compilatie. De volgende twee generaties met een opgewarmde pipeline in de test met een lege cache duurden ",[17,529,530],{},"1,050 en 1,052 seconden",". Deze opstartvoorbeelden staan los van de vergelijking met zes beelden waarop het hoofdcijfer is gebaseerd.",[10,533,534,535,538,539,542],{},"Bij de eerste installatie komen downloaden en modelvoorbereiding daar nog bij. Op ons systeem duurde de brondownload ",[17,536,537],{},"110,7 seconden"," en de conversie ",[17,540,541],{},"88,7 seconden",". De netwerksnelheid en aanwezige caches beïnvloeden die tijden.",[10,544,545],{},"Voor herhaald gebruik laat u de gekozen engine geladen en past u de prompts aan, in plaats van na elk beeld van backend te wisselen.",[68,547,549],{"id":548},"meer-beelden-per-euro","Meer beelden per euro",[10,551,552],{},"Bij gelijke kosten per productief uur geeft een kortere generatietijd het workstation meer capaciteit.",[10,554,555,556,559,560,563,564,567,568,571,572,43],{},"Neem als illustratief kostenmodel ",[17,557,558],{},"€ 2.000"," voor het workstation, ",[17,561,562],{},"4.000 productieve generatie-uren",", elektriciteit aan ",[17,565,566],{},"€ 0,30\u002FkWh"," en een gelijk verondersteld vermogen aan het stopcontact van ",[17,569,570],{},"350 W"," voor beide engines. De hardware kost dan € 0,50 per uur en de elektriciteit € 0,105. Samen is dat ",[17,573,574],{},"€ 0,605 per productief uur",[10,576,577,578,39,581,584,585,43],{},"Met de gerapporteerde generatiesnelheden komt dat neer op ongeveer ",[17,579,580],{},"4.730 beelden per euro voor de standaardconfiguratie",[17,582,583],{},"5.647 voor Paiton",", of ",[17,586,587],{},"19,4% meer berekende output per euro",[10,589,590],{},[169,591],{"alt":592,"src":593},"Berekende generatiecapaciteit bij dezelfde veronderstelde uurkosten: 4.730 beelden per euro voor de standaardconfiguratie en 5.647 voor Paiton.","\u002Fasset\u002Fimages\u002Fblog\u002Fpaiton-flux2-klein\u002Fmodeled-cost.webp",[10,595,596,597,600],{},"Dit is een capaciteits- en kostenmodel, ",[17,598,599],{},"geen gemeten energiebesparing",". Het gaat uit van aanhoudend productief gebruik en sluit stilstand, belastingen, arbeid, financiering, koeling buiten het workstation en het wegschrijven van PNG-bestanden uit. Het meet evenmin hoeveel gegenereerde beelden een gebruiker uiteindelijk bewaart. Bij een lagere bezettingsgraad stijgen de kapitaalkosten per bruikbaar beeld.",[68,602,604],{"id":603},"hoe-we-de-vergelijking-uitvoerden","Hoe we de vergelijking uitvoerden",[10,606,607,608,611],{},"De referentie was de sterkste standaardconfiguratie die we tijdens onze kwalificatie behielden, geen onaangepaste standaardinstallatie. Ze gebruikte ",[17,609,610],{},"Diffusers 0.40.0 en SDNQ 0.2.6",", voorbereide onveranderlijke gewichten, gecompileerde pipelineonderdelen en graph capture. We testten ook andere optimalisaties, maar niet elke optie verbeterde de volledige pipeline.",[10,613,614],{},"Beide engines gebruikten hetzelfde vastgelegde checkpoint, dezelfde prompts, vaste seeds, gelijkwaardige numerieke precisie tijdens uitvoering en een volledig op de GPU geladen model. Paiton voegt voor dit model en Radeon-profiel een gekwalificeerd, gecompileerd uitvoeringspad toe. De scheduler, het aantal stappen en de guidance blijven gelijk. Het resultaat is dus niet behaald met een kleiner beeld of minder stappen.",[210,616,617,627],{},[213,618,619],{},[216,620,621,624],{},[219,622,623],{},"Geteste instelling",[219,625,626],{},"Waarde",[229,628,629,637,645,653,661,669,677,685,693,701,711,721,731],{},[216,630,631,634],{},[234,632,633],{},"GPU",[234,635,636],{},"AMD Radeon AI PRO R9700, 32 GB",[216,638,639,642],{},[234,640,641],{},"Modelprofiel",[234,643,644],{},"FLUX.2 klein 4B, tekst naar beeld",[216,646,647,650],{},[234,648,649],{},"Resolutie \u002F stappen \u002F batch",[234,651,652],{},"1024 × 1024 \u002F 4 \u002F 1",[216,654,655,658],{},[234,656,657],{},"Guidance \u002F tekstsequentie",[234,659,660],{},"1,0 \u002F 512 tokens",[216,662,663,666],{},[234,664,665],{},"Meetdatum",[234,667,668],{},"7 september 2026",[216,670,671,674],{},[234,672,673],{},"Herhalingen",[234,675,676],{},"Drie vaste prompts, twee opwarmruns en twee gemeten runs per prompt",[216,678,679,682],{},[234,680,681],{},"Gemeten steekproef",[234,683,684],{},"Zes beelden per backend",[216,686,687,690],{},[234,688,689],{},"Meetgrens",[234,691,692],{},"GPU-gesynchroniseerde verstreken tijd, van prompt tot PIL-afbeelding",[216,694,695,698],{},[234,696,697],{},"GPU-beleid",[234,699,700],{},"Prestatieniveau AUTO, profiel COMPUTE",[216,702,703,706],{},[234,704,705],{},"Gemeenschappelijke PyTorch-build",[234,707,708],{},[83,709,710],{},"2.12.0+rocm7.14.0",[216,712,713,716],{},[234,714,715],{},"HIP",[234,717,718],{},[83,719,720],{},"7.14.60850",[216,722,723,726],{},[234,724,725],{},"Triton",[234,727,728],{},[83,729,730],{},"3.7.1+git0263a6a6.rocm7.14.0",[216,732,733,736],{},[234,734,735],{},"Transformers",[234,737,738],{},[83,739,740],{},"5.15.1",[10,742,743],{},"Er werden geen limieten voor kloksnelheid, vermogen, spanning of ventilatoren aangepast. Automatische kloksnelheden en temperaturen varieerden. Deze kleine steekproef beschrijft het geteste workstation en de gebruikte instellingen, geen universele snelheidsgarantie.",[10,745,746,747,750],{},"De ondersteunde release is bewust specifiek: ",[17,748,749],{},"Linux, R9700, tekst naar beeld, 1024 × 1024, vier stappen en een batchgrootte van één",". Beeldbewerking, adapters, andere resoluties en andere GPU's vallen buiten het gekwalificeerde bereik.",[68,752,754],{"id":753},"herkomst-van-het-model-en-release-informatie","Herkomst van het model en release-informatie",[10,756,757,758,763,764,767,768,771,772,775],{},"Het pakket downloadt ",[144,759,762],{"href":760,"rel":761},"https:\u002F\u002Fhuggingface.co\u002FDisty0\u002FFLUX.2-klein-4B-SDNQ-4bit-dynamic",[148],"het SDNQ-checkpoint van Disty0",", vastgelegd op revisie ",[83,765,766],{},"45e9cc76cb70f84473ce5c6c2e2282d0ef3c6ecd",". De download is ongeveer ",[17,769,770],{},"5,46 GB"," groot. Een afzonderlijke voorbereidingsstap levert ongeveer ",[17,773,774],{},"12 GB"," aan tensorbestanden op. De checkpointgrootte mag niet worden verward met de precisie tijdens uitvoering of het GPU-geheugengebruik.",[10,777,778],{},"Volgens de release-informatie vallen de oorspronkelijke FLUX.2 klein 4B-gewichten onder Apache 2.0. Die informatie wijst ook op een tegenstrijdige niet-commerciële link in de metadata van het communitycheckpoint en een niet-vastgelegde bronrevisie van vóór de kwantisatie. De gewichten worden afzonderlijk gedownload. Bekijk deze beperkingen rond de herkomst voordat u ze commercieel herverdeelt.",[10,780,781,782,787,788,793,794,798],{},"De SDNQ-conversietools, de tools voor de standaardconfiguratie en ComfyUI behouden hun upstreambroncode en vermeldingen. Het Paiton-inferentiepad importeert SDNQ niet. Zie de ",[144,783,786],{"href":784,"rel":785},"https:\u002F\u002Fhuggingface.co\u002Fblack-forest-labs\u002FFLUX.2-klein-4B",[148],"officiële modelkaart",", de ",[144,789,792],{"href":790,"rel":791},"https:\u002F\u002Fgithub.com\u002FDisty0\u002Fsdnq",[148],"SDNQ-broncode"," en de ",[144,795,797],{"href":192,"rel":796},[148],"releasehandleiding"," voor de bijbehorende documentatie.",[68,800,802],{"id":801},"de-workflow-zelf-uitvoeren","De workflow zelf uitvoeren",[10,804,805],{},"Ga vanuit de gekloonde repository naar de modelmap en genereer een beeld:",[76,807,809],{"className":78,"code":808,"language":80,"meta":81,"style":81},"cd models\u002FFLUX.2-klein\n.\u002Frun.sh generate \\\n  --prompt 'A teal ceramic coffee cup beside a lemon, soft window light, product photograph' \\\n  --seed 42\n",[83,810,811,818,828,838],{"__ignoreMap":81},[86,812,813,815],{"class":88,"line":89},[86,814,130],{"class":100},[86,816,817],{"class":96}," models\u002FFLUX.2-klein\n",[86,819,820,823,826],{"class":88,"line":110},[86,821,822],{"class":92},".\u002Frun.sh",[86,824,825],{"class":96}," generate",[86,827,107],{"class":100},[86,829,830,833,836],{"class":88,"line":121},[86,831,832],{"class":100},"  --prompt",[86,834,835],{"class":96}," 'A teal ceramic coffee cup beside a lemon, soft window light, product photograph'",[86,837,107],{"class":100},[86,839,840,843],{"class":88,"line":127},[86,841,842],{"class":100},"  --seed",[86,844,845],{"class":100}," 42\n",[10,847,848,849,852,853,856,857,860,861,43],{},"Gebruik ",[83,850,851],{},"--count 4"," om opeenvolgende seeds te proberen binnen één geladen proces. Het standaarduitvoerbestand is ",[83,854,855],{},"outputs\u002Fimage.png",". Voor de eenvoudige interface voert u ",[83,858,859],{},".\u002Flaunch.sh --ui simple"," uit en opent u ",[144,862,865],{"href":863,"rel":864},"http:\u002F\u002F127.0.0.1:7860",[148],"localhost:7860",[10,867,868],{},"Stop andere generatiediensten voordat u beide engines vergelijkt:",[76,870,872],{"className":78,"code":871,"language":80,"meta":81,"style":81},".\u002Flaunch.sh --stop\n.\u002Frun.sh benchmark --backend stock --suite --output \u002Foutputs\u002Fstock\n.\u002Frun.sh benchmark --backend paiton --suite --output \u002Foutputs\u002Fpaiton\n",[83,873,874,882,904],{"__ignoreMap":81},[86,875,876,879],{"class":88,"line":89},[86,877,878],{"class":92},".\u002Flaunch.sh",[86,880,881],{"class":100}," --stop\n",[86,883,884,886,889,892,895,898,901],{"class":88,"line":110},[86,885,822],{"class":92},[86,887,888],{"class":96}," benchmark",[86,890,891],{"class":100}," --backend",[86,893,894],{"class":96}," stock",[86,896,897],{"class":100}," --suite",[86,899,900],{"class":100}," --output",[86,902,903],{"class":96}," \u002Foutputs\u002Fstock\n",[86,905,906,908,910,912,915,917,919],{"class":88,"line":121},[86,907,822],{"class":92},[86,909,888],{"class":96},[86,911,891],{"class":100},[86,913,914],{"class":96}," paiton",[86,916,897],{"class":100},[86,918,900],{"class":100},[86,920,921],{"class":96}," \u002Foutputs\u002Fpaiton\n",[10,923,189,924,929,930,933],{},[144,925,928],{"href":926,"rel":927},"https:\u002F\u002Fhuggingface.co\u002FEliovpAI\u002FFLUX.2-klein-4B-Paiton-RDNA4",[148],"gecompileerde bestanden op Hugging Face"," zijn al opgenomen in de containers. De releasehandleiding beschrijft de bouwinstructies, runtimebindings, workflow, startscripts en vermeldingen. Met ",[83,931,932],{},".\u002Flaunch.sh --build"," bouwt u de containers lokaal.",[68,935,937],{"id":936},"meer-nuttig-werk-uit-amd-hardware","Meer nuttig werk uit AMD-hardware",[10,939,940,941,39,945,949],{},"Onze recente releases voor ",[144,942,944],{"href":943},"\u002Fnl\u002Fblog\u002Fpaiton-qwen38-radeon-ai-pro-r9700","Qwen3.8",[144,946,948],{"href":947},"\u002Fnl\u002Fblog\u002Fpaiton-ornith15-radeon-ai-pro-r9700","Ornith 1.5"," richtten zich op het lokaal draaien van taalmodellen. Dit profiel brengt diezelfde praktische aanpak naar een visuele workflow: sneller varianten uitproberen, minder geheugendruk en een ComfyUI-configuratie die u op uw eigen machine kunt gebruiken.",[10,951,952,955,956,43],{},[17,953,954],{},"Bouwt u diensten voor beeldgeneratie of draait u inferentie op grote schaal op AMD CDNA? Bespreek uw workload met ons."," Het bredere werk achter Paiton richt zich op throughput, geheugenefficiëntie en kosten per bruikbaar resultaat in AMD-omgevingen. Meer over ",[144,957,157],{"href":958},"\u002Fnl\u002Fproducts\u002Fpaiton",[960,961,962],"style",{},"html pre.shiki code .sScJk, html code.shiki .sScJk{--shiki-default:#6F42C1;--shiki-dark:#B392F0}html pre.shiki code .sZZnC, html code.shiki .sZZnC{--shiki-default:#032F62;--shiki-dark:#9ECBFF}html pre.shiki code .sj4cs, html code.shiki .sj4cs{--shiki-default:#005CC5;--shiki-dark:#79B8FF}html .default .shiki span {color: var(--shiki-default);background: var(--shiki-default-bg);font-style: var(--shiki-default-font-style);font-weight: var(--shiki-default-font-weight);text-decoration: var(--shiki-default-text-decoration);}html .shiki span {color: var(--shiki-default);background: var(--shiki-default-bg);font-style: var(--shiki-default-font-style);font-weight: var(--shiki-default-font-weight);text-decoration: var(--shiki-default-text-decoration);}html .dark .shiki span {color: var(--shiki-dark);background: var(--shiki-dark-bg);font-style: var(--shiki-dark-font-style);font-weight: var(--shiki-dark-font-weight);text-decoration: var(--shiki-dark-text-decoration);}html.dark .shiki span {color: var(--shiki-dark);background: var(--shiki-dark-bg);font-style: var(--shiki-dark-font-style);font-weight: var(--shiki-dark-font-weight);text-decoration: var(--shiki-dark-text-decoration);}",{"title":81,"searchDepth":110,"depth":110,"links":964},[965,966,967,968,969,970,971,972,973,974],{"id":70,"depth":110,"text":71},{"id":198,"depth":110,"text":199},{"id":282,"depth":110,"text":283},{"id":368,"depth":110,"text":369},{"id":481,"depth":110,"text":482},{"id":548,"depth":110,"text":549},{"id":603,"depth":110,"text":604},{"id":753,"depth":110,"text":754},{"id":801,"depth":110,"text":802},{"id":936,"depth":110,"text":937},[157,976,977,978,979,980],"AMD Radeon","Lokale AI","Beeldgeneratie","FLUX","ComfyUI","2026-09-07T09:00:00","Paiton genereert FLUX.2 klein-beelden van 1024 × 1024 in 1,054 seconden op een R9700, met 16,2% minder generatietijd en 33,4% minder piekallocatie in Torch.","md","Sneller lokaal beelden genereren met FLUX.2 klein op Radeon, met minder geheugen","\u002Fasset\u002Fimages\u002Fblog\u002Fpaiton-flux2-klein\u002Ffox-paiton.webp",{},true,"https:\u002F\u002Feliovp.com\u002Fblog\u002Fpaiton-flux2-klein-radeon-ai-pro-r9700","\u002Fblog\u002Fpaiton-flux2-klein-radeon-ai-pro-r9700",{"title":5,"description":982},"paiton-flux2-klein-radeon-ai-pro-r9700","blog\u002Fpaiton-flux2-klein-radeon-ai-pro-r9700",null,"D6wBjuMsiJFPt-mZct_iA8HTmKOQDydcMeES8GPjW0o",[996,1009,1019,1030,1032,1045,1054,1068,1099,1111,1133,1151,1170,1189,1207,1223,1235,1251,1266,1278,1287,1295,1310,1322,1333,1344,1354,1367,1377,1390,1401,1411,1422,1431,1443,1454,1463],{"path":997,"title":998,"description":999,"date":1000,"slug":1001,"image":1002,"originalUrl":1003,"categories":1004},"\u002Fblog\u002Fpaiton-qwen38-mxfp4-dflash2-r9700","Qwen3.8: 400,7 tok\u002Fs op één R9700 | Paiton","Qwen3.8 op één R9700: 400,7 tok\u002Fs met ROCm 10 en vLLM 0.29, plus publieke 200K\u002F220K-chatprofielen. Benchmarks, beperkingen en startopdrachten.","2026-09-16T07:30:00Z","paiton-qwen38-mxfp4-dflash2-r9700","\u002Fasset\u002Fimages\u002Fblog\u002Fpaiton-qwen38-mxfp4\u002Fupdate-2026-09-19\u002Fhero.webp","https:\u002F\u002Feliovp.com\u002Fblog\u002Fpaiton-qwen38-mxfp4-dflash2-r9700",[157,976,977,1005,1006,1007,1008],"AI-inferentie","Inferentie-optimalisatie","Grote taalmodellen","vLLM",{"path":1010,"title":1011,"description":1012,"date":1013,"slug":1014,"image":1015,"originalUrl":1016,"categories":1017},"\u002Fblog\u002Fpaiton-qwen38-neo-gguf-vllm-r9700","Qwen3.8 GGUF in vLLM: sneller antwoord op één Radeon","Draai de originele NEO CODER MAX GGUF met Paiton in vLLM op een R9700. Bekijk de gemeten responstijden, beeldinvoer en lokale installatie.","2026-09-14T07:30:00Z","paiton-qwen38-neo-gguf-vllm-r9700","\u002Fasset\u002Fimages\u002Fblog\u002Fpaiton-neo-gguf\u002F00-hero-neo-gguf-r9700.webp","https:\u002F\u002Feliovp.com\u002Fblog\u002Fpaiton-qwen38-neo-gguf-vllm-r9700",[157,976,977,1018,1008],"GGUF",{"path":1020,"title":1021,"description":1022,"date":1023,"slug":1024,"image":1025,"originalUrl":1026,"categories":1027},"\u002Fblog\u002Fpaiton-minimax-h3-radeon-ai-pro-r9700","MiniMax H3 op Radeon: 15 seconden video met stereogeluid","Paiton genereert lokaal 15 seconden MiniMax H3-video met stereogeluid op één Radeon AI PRO R9700 in 5 min 33 s, met 16,7% minder wachttijd dan stock.","2026-09-09T07:30:00Z","paiton-minimax-h3-radeon-ai-pro-r9700","\u002Fasset\u002Fimages\u002Fblog\u002Fpaiton-minimax-h3\u002F00-featured-minimax-h3-r9700.webp","https:\u002F\u002Feliovp.com\u002Fblog\u002Fpaiton-minimax-h3-radeon-ai-pro-r9700",[157,976,977,1028,1029,980],"Videogeneratie","MiniMax H3",{"path":989,"title":5,"description":982,"date":981,"slug":991,"image":985,"originalUrl":988,"categories":1031},[157,976,977,978,979,980],{"path":1033,"title":1034,"description":1035,"date":1036,"slug":1037,"image":1038,"originalUrl":1039,"categories":1040},"\u002Fblog\u002Fpaiton-ornith15-radeon-ai-pro-r9700","Ornith 1.5 haalt 44,6 tok\u002Fs op één Radeon AI PRO R9700","Paiton draait Ornith 1.5 35B A3B op één Radeon AI PRO R9700 met 44,63 outputtokens per seconde, 27% sneller en met 21,3% lagere gemodelleerde kosten.","2026-09-05T09:00:00","paiton-ornith15-radeon-ai-pro-r9700","\u002Fasset\u002Fimages\u002Fblog\u002Fpaiton-ornith15\u002F00-featured-ornith15-r9700.webp","https:\u002F\u002Feliovp.com\u002Fblog\u002Fpaiton-ornith15-radeon-ai-pro-r9700",[157,1041,976,1005,1042,1043,1006,1007,1008,1044],"Kunstmatige intelligentie","GPU-prestaties","Inferentielatentie","Kostenefficiëntie",{"path":1046,"title":1047,"description":1048,"date":1049,"slug":1050,"image":1051,"originalUrl":1052,"categories":1053},"\u002Fblog\u002Fpaiton-qwen38-radeon-ai-pro-r9700","Paiton: 21% meer Qwen3.8-doorvoer op Radeon AI PRO R9700","Paiton draait AMD's Qwen3.8 27B op één Radeon AI PRO R9700 met 39,77 outputtokens per seconde. Dat levert 21% meer throughput en 17,4% lagere gemodelleerde kosten op.","2026-09-04T09:00:00","paiton-qwen38-radeon-ai-pro-r9700","\u002Fasset\u002Fimages\u002Fblog\u002Fpaiton-r9700\u002F00-featured-paiton-r9700.webp","https:\u002F\u002Feliovp.com\u002Fblog\u002Fpaiton-qwen38-radeon-ai-pro-r9700",[157,1041,976,1005,1042,1043,1006,1007,1008,1044],{"path":1055,"title":1056,"description":1057,"date":1058,"slug":1059,"image":1060,"originalUrl":993,"categories":1061},"\u002Fblog\u002Fai-data-center-power-requirements-gpu-per-megawatt","Stroomvereisten voor AI-datacenters: de GPU-per-MW-illusie","Waarom verschillen GPU-aantallen per megawatt? Lees hoe PUE, piekbelasting, opslag, netwerken en koeling de inzetbare AI-capaciteit bepalen.","2026-07-27T23:52:00","ai-data-center-power-requirements-gpu-per-megawatt","\u002Fasset\u002Fimages\u002Fblog\u002Fai-data-center-power-requirements-gpu-per-megawatt\u002Fgpu-per-megawatt-illusion.webp",[1062,1063,1064,1065,1066,1067],"Alle","AI-infrastructuur","Datacenters","ModFlex","HPC","AMD Helios",{"path":1069,"title":1070,"description":1071,"date":1072,"slug":1073,"image":1074,"originalUrl":1075,"categories":1076},"\u002Fblog\u002Fpaiton-returns-to-its-diffusion-roots-optimizing-wan2-2-t2v-a14b-on-amd-mi355x","Wan2.2-videogeneratie: Paiton op AMD MI355X","Vergelijk Wan2.2-videogeneratie op AMD MI355X met Paiton en NVIDIA B200 via Diffusers. Lees hoe we diffusiemodellen optimaliseren.","2026-06-10T14:04:04","paiton-returns-to-its-diffusion-roots-optimizing-wan2-2-t2v-a14b-on-amd-mi355x","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fpaitonwan2.webp","https:\u002F\u002Feliovp.com\u002Fpaiton-returns-to-its-diffusion-roots-optimizing-wan2-2-t2v-a14b-on-amd-mi355x\u002F",[1062,1041,157,1077,1078,1079,1080,1081,1082,1083,1084,1085,633,1086,1087,1088,1089,1090,1091,1092,157,1093,1094,1095,1096,1097,1098],"14B","AMD","B200","Benchmarks","Blackwell","Compute","Diffusie","Eliovp","Generatieve AI","Hardware","Inferentie","Instinct","MI355x","NVIDIA","On-premises","Optimalisatie","Soevereine AI","T2V","Tekst-naar-video","Tuning","Video-generatie","Wan2.2",{"path":1100,"title":1101,"description":1102,"date":1103,"slug":1104,"image":1105,"originalUrl":1106,"categories":1107},"\u002Fblog\u002Ffrom-the-attic-to-the-front-page-eliovp-recognized-as-a-pioneer-in-chip-optimization-data-center-infrastructure","ElioVP in De Tijd: chipoptimalisatie en datacenters","Lees hoe De Tijd ElioVP belicht, van de oorsprong in chipoptimalisatie tot het werk aan modulaire datacenters en koeling voor hoge vermogensdichtheid.","2026-02-10T20:48:12","from-the-attic-to-the-front-page-eliovp-recognized-as-a-pioneer-in-chip-optimization-data-center-infrastructure","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fphysicalnewspaper.webp","https:\u002F\u002Feliovp.com\u002Ffrom-the-attic-to-the-front-page-eliovp-recognized-as-a-pioneer-in-chip-optimization-data-center-infrastructure\u002F",[1062,1041,1108,1109,1078,1110,1108,1090],"Modulaire DC","Niet gecategoriseerd","De Tijd",{"path":1112,"title":1113,"description":1114,"date":1115,"slug":1116,"image":1117,"originalUrl":1118,"categories":1119},"\u002Fblog\u002Fprivacy-is-geen-it-probleem-meer-het-is-een-strategische-prioriteit","AI en privacy: een strategische prioriteit in de Benelux","Privacyrisico's van generatieve AI, vertrouwen, dataopslag en governance. Waarom bedrijven in de Benelux veilige AI strategisch moeten benaderen.","2026-01-29T13:51:11","privacy-is-geen-it-probleem-meer-het-is-een-strategische-prioriteit","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fheaderimage.webp","https:\u002F\u002Feliovp.com\u002Fprivacy-is-geen-it-probleem-meer-het-is-een-strategische-prioriteit\u002F",[1062,1041,1120,1109,1121,1122,1123,1124,1125,1126,1127,1128,1084,1129,1085,1130,1131,1132],"Trending","AI Act","Antropomorfisme","AVG","Benelux","ChatGPT","Cyberbeveiliging","Databeheer","Gegevensbeveiliging","GDPR","Microsoft Copilot","Privacy","Shadow AI",{"path":1134,"title":1135,"description":1136,"date":1137,"slug":1138,"image":1139,"originalUrl":1140,"categories":1141},"\u002Fblog\u002Fitsme-bij-ons-is-het-its-not-me-en-dit-is-waarom","Waarom wij itsme niet gebruiken: privacy en soevereiniteit","Waarom ElioVP itsme niet gebruikt: onze afwegingen rond identiteitsmetadata, cloudafhankelijkheid, privacy en datasoevereiniteit.","2025-11-27T09:32:14","itsme-bij-ons-is-het-its-not-me-en-dit-is-waarom","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Ffrontimage.webp","https:\u002F\u002Feliovp.com\u002Fitsme-bij-ons-is-het-its-not-me-en-dit-is-waarom\u002F",[1062,1142,1143,1144,1126,1145,1146,1147,1129,1148,1149,1150,1131],"AWS","Belgian Mobile ID","CLOUD Act","Datasoevereiniteit","Digitale identiteit","eIDAS","itsme","Liberty Global","MyGov.be",{"path":1152,"title":1153,"description":1154,"date":1155,"slug":1156,"image":1157,"originalUrl":1158,"categories":1159},"\u002Fblog\u002Ffield-report-the-reality-of-building-agentic-ai-in-2025","Praktijkrapport: de realiteit van Agentic AI bouwen in 2025","Praktijklessen over lokale AI-agents in 2025 gaan in op workflowontwerp, observability, modeltraining, hallucinaties en GPU-geheugenlimieten.","2025-11-25T14:03:39","field-report-the-reality-of-building-agentic-ai-in-2025","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Ffieldreport.webp","https:\u002F\u002Feliovp.com\u002Ffield-report-the-reality-of-building-agentic-ai-in-2025\u002F",[1062,1041,1160,1120,1161,1162,1163,1164,1165,1166,1167,1168,1093,1169],"Oplossingen","Agentic AI","AI-techniek","AI-strategie","Autonome agenten","Bedrijfs-AI","Lokale LLM","Modelverfijning","AI op locatie","VRAM-optimalisatie",{"path":1171,"title":1172,"description":1173,"date":1174,"slug":1175,"image":1176,"originalUrl":1177,"categories":1178},"\u002Fblog\u002Fthe-synthetic-unicorn-bubble","De synthetische unicornzeepbel","Een analyse van investeringsrisico’s bij AI-neoclouds: circulaire financiering, infrastructuurclaims, contractvoorwaarden en due diligence.","2025-11-24T19:22:28","the-synthetic-unicorn-bubble","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fsyntheticunicorn.webp","https:\u002F\u002Feliovp.com\u002Fthe-synthetic-unicorn-bubble\u002F",[1062,1041,1120,1179,1180,1181,1182,1183,1184,1185,1186,1187,1188],"AI Infrastructure","AI Neocloud","Circulaire financiering","GPU Cloud","Beleggingsrisico's","Opstartwaardering","Synthetische bubbel","Technische analyse","Vaporware","Durfkapitaal",{"path":1190,"title":1191,"description":1192,"date":1193,"slug":1194,"image":1195,"originalUrl":1196,"categories":1197},"\u002Fblog\u002Fbuilding-the-engine-for-the-ai-race-the-4-month-path-to-nvidia-gb300-nvl72-power","NVIDIA GB300 NVL72: modulair datacenter in vier maanden","Ontdek een modulair datacenterontwerp voor NVIDIA GB300 NVL72, met redundante voeding, hybride koeling en een bouwplanning van vier maanden.","2025-11-20T14:10:19","building-the-engine-for-the-ai-race-the-4-month-path-to-nvidia-gb300-nvl72-power","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fsuperpodmodflexfrontimage.webp","https:\u002F\u002Feliovp.com\u002Fbuilding-the-engine-for-the-ai-race-the-4-month-path-to-nvidia-gb300-nvl72-power\u002F",[1062,1108,1109,1198,1063,1199,1200,1201,1202,1203,1204,1205,1206],"150 kW-rack","DLC","Hoge dichtheid","Vloeistofkoeling","Modulair datacenter","NVIDIA Blackwell Ultra","NVIDIA GB300","NVL72","Snelle implementatie",{"path":1208,"title":1209,"description":1210,"date":1211,"slug":1212,"image":1213,"originalUrl":1214,"categories":1215},"\u002Fblog\u002Fwhy-cuda-translation-wont-unlock-amds-real-potential","CUDA-vertaling versus AMD-gerichte optimalisatie","Waarom CUDA-compatibiliteit niet hetzelfde is als AMD-prestaties: over ROCm, HIP, kerneloptimalisatie en hardwaregerichte afstemming.","2025-11-12T14:48:37","why-cuda-translation-wont-unlock-amds-real-potential","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fchatgpt-image-nov-11-2025-09_16_10-pm-1.webp","https:\u002F\u002Feliovp.com\u002Fwhy-cuda-translation-wont-unlock-amds-real-potential\u002F",[1062,1041,157,1109,1216,1041,1217,1218,1219,1220,715,1221,157,1222],"AMD MI300X","CUDA-vertaling","FP8","GPU-optimalisatie","High-performance computing","Kerneltuning","ROCm",{"path":1224,"title":1225,"description":1226,"date":1227,"slug":1228,"image":1229,"originalUrl":1230,"categories":1231},"\u002Fblog\u002Fpaiton-the-simplest-way-to-supercharge-ai-inference","Paiton: snellere AI-inferentie in uw bestaande stack","Lees hoe Paiton aansluit op bestaande inferentiestacks, met AMD MI300X-benchmarks en vergelijkingen van prestaties per dollar.","2025-11-11T10:31:22","paiton-the-simplest-way-to-supercharge-ai-inference","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fpaiton-powaaah.webp","https:\u002F\u002Feliovp.com\u002Fpaiton-the-simplest-way-to-supercharge-ai-inference\u002F",[1062,1041,157,1005,1232,1216,1044,1233,1006,1221,157,1234,1008],"AMD Instinct","Hoge throughput","SGLang",{"path":1236,"title":1237,"description":1238,"date":1239,"slug":1240,"image":1241,"originalUrl":1242,"categories":1243},"\u002Fblog\u002Fstop-overpaying-paiton-mi300x-moe-beats-h200-b200-on-1m-tokens","Paiton MoE-benchmarks: MI300X versus H200 en B200","Vergelijk Qwen3-30B-A3B MoE-benchmarks van MI300X met Paiton, H200 en B200: throughput en kosten per miljoen tokens.","2025-09-26T13:36:18","stop-overpaying-paiton-mi300x-moe-beats-h200-b200-on-1m-tokens","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fhulkvshulkpaitonwins.webp","https:\u002F\u002Feliovp.com\u002Fstop-overpaying-paiton-mi300x-moe-beats-h200-b200-on-1m-tokens\u002F",[1062,1041,157,1244,1216,1245,1006,1246,1247,1248,1249,157,1250],"AI-benchmarks","Kosten per token","Mixture of Experts","MoE","NVIDIA B200","NVIDIA H200","Qwen3",{"path":1252,"title":1253,"description":1254,"date":1255,"slug":1256,"image":1257,"originalUrl":1258,"categories":1259},"\u002Fblog\u002Fagentic-ai-but-make-it-local-from-inbox-to-insight-to-action-en","Lokale Agentic AI: van inbox naar actie","Lokale AI-agents zetten e-mails, documenten en beelden om in tickets, rapporten en acties, met modellen op maat van uw gegevens en systemen.","2025-09-16T13:09:00","agentic-ai-but-make-it-local-from-inbox-to-insight-to-action-en","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Ffrontfotoblog.webp","https:\u002F\u002Feliovp.com\u002Fagentic-ai-but-make-it-local-from-inbox-to-insight-to-action-en\u002F",[1062,1041,1160,1109,1161,1260,1261,1262,1263,1166,1168,1093,1264,1265],"Schadedetectie","Documentverwerking","E-mailautomatisering","Factuurextractie","Ticketautomatisering","Workflowautomatisering",{"path":1267,"title":1268,"description":1269,"date":1270,"slug":1271,"image":1272,"originalUrl":1273,"categories":1274},"\u002Fblog\u002Fmi300x-fp8-data-parallel-benchmarks-8-64-gpus-h200-left-behind-b200-within-reach","MI300X FP8-benchmarks: GPU-partitionering met Paiton","Bekijk hoe Paiton presteert met Llama 3.1 8B FP8 op gepartitioneerde MI300X-GPU's, vergeleken met NVIDIA H200 en B200.","2025-07-31T13:32:57","mi300x-fp8-data-parallel-benchmarks-8-64-gpus-h200-left-behind-b200-within-reach","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fimage-2-1.webp","https:\u002F\u002Feliovp.com\u002Fmi300x-fp8-data%e2%80%91parallel-benchmarks-8-64-gpus-h200-left-behind-b200-within-reach\u002F",[1062,1041,157,1109,1275,1078,1079,1276,1277,1089,1090,157,1008],"AI","H200","MI300X",{"path":1279,"title":1280,"description":1281,"date":1282,"slug":1283,"image":1284,"originalUrl":1285,"categories":1286},"\u002Fblog\u002Fapplicable-ai-for-businesses","Toepasbare AI voor bedrijven","Ontdek hoe ElioVP lokale AI voor bedrijfsprocessen bouwt, met modeltraining op maat en automatische schadedetectie voor de logistiek.","2025-07-09T21:35:30","applicable-ai-for-businesses","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fscherm_afbeelding-2025-07-09-om-23.30.17.webp","https:\u002F\u002Feliovp.com\u002Fapplicable-ai-for-businesses\u002F",[1062,1041,1160,1161,1260,1261,1262,1263,1166,1168,1093,1264,1265],{"path":1288,"title":1289,"description":1290,"date":1291,"slug":1292,"image":81,"originalUrl":1293,"categories":1294},"\u002Fblog\u002Fintroducing-paitons-free-evaluation-models","Maak kennis met de gratis evaluatiemodellen van Paiton","Test Paiton met gratis evaluatiemodellen voor AMD-GPU's. Vergelijk de prestaties voor tekst, beeldanalyse en beeldgeneratie met uw eigen workloads.","2025-07-07T11:26:13","introducing-paitons-free-evaluation-models","https:\u002F\u002Feliovp.com\u002Fintroducing-paitons-free-evaluation-models\u002F",[1062,1041,157],{"path":1296,"title":1297,"description":1298,"date":1299,"slug":1300,"image":1301,"originalUrl":1302,"categories":1303},"\u002Fblog\u002Fpaiton-dramatically-faster-startup-and-performance-for-llama-3-1-405b","Llama 3.1 405B: sneller starten met Paiton op MI300X","Bekijk Paiton-benchmarks voor Llama 3.1 405B op acht AMD MI300X-GPU's, met opstarttijd, tensorparallelisme, throughput en latency.","2025-06-12T20:15:23","paiton-dramatically-faster-startup-and-performance-for-llama-3-1-405b","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fservingscreenshot.webp","https:\u002F\u002Feliovp.com\u002Fpaiton-dramatically-faster-startup-and-performance-for-llama-3-1-405b\u002F",[1062,1041,157,1109,1005,1216,1304,1218,1305,1306,1307,157,1308,1309],"Koude start","Grafiekcompilatie","Llama 3.1 405B","LLM-optimalisatie","Opstartlatentie","Tensor-parallellisme",{"path":1311,"title":1312,"description":1313,"date":1314,"slug":1315,"image":1316,"originalUrl":1317,"categories":1318},"\u002Fblog\u002Fpaiton-fp8-beats-nvidias-h200-on-amds-mi300x","Paiton FP8 verslaat NVIDIA's H200 op AMD's MI300X","Vergelijk Paiton op AMD MI300X met NVIDIA H200 voor Llama 3.1 70B FP8: throughput, wachttijd tot het eerste token en latency bij diverse batchgroottes.","2025-06-08T19:12:40","paiton-fp8-beats-nvidias-h200-on-amds-mi300x","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fblognewfp8.webp","https:\u002F\u002Feliovp.com\u002Fpaiton-fp8-beats-nvidias-h200-on-amds-mi300x\u002F",[1062,1041,157,1109,1216,1319,1165,1085,1042,1043,1007,1306,1320,1321],"Koude startoptimalisatie","Model serving","vLLM-optimalisatie",{"path":1323,"title":1324,"description":1325,"date":1326,"slug":1327,"image":1328,"originalUrl":1329,"categories":1330},"\u002Fblog\u002Fmi300x-vs-h200-vs-rx-7900-xtx-vs-tenstorrent-n300s-with-vllm","MI300X, H200, RX 7900 XTX en n300s: vLLM-benchmarks","Vergelijk MI300X, H200, RX 7900 XTX en Tenstorrent n300s met vLLM: throughput, gemodelleerde tokenkosten en hardwarebeperkingen voor Llama 3 8B.","2025-05-09T14:03:58","mi300x-vs-h200-vs-rx-7900-xtx-vs-tenstorrent-n300s-with-vllm","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fcomparisontenstor.webp","https:\u002F\u002Feliovp.com\u002Fmi300x-vs-h200-vs-rx-7900-xtx-vs-tenstorrent-n300s-with-vllm\u002F",[1062,1041,157,1160,1109,1078,1277,1090,1331,1332],"RX7900XTX","tenstorrent",{"path":1334,"title":1335,"description":1336,"date":1337,"slug":1338,"image":1339,"originalUrl":1340,"categories":1341},"\u002Fblog\u002Fclusterpl-empowering-gpu-cluster-investors-with-real-world-financial-insights","ClusterP&L: financiële modellen voor GPU-clusters","Ontdek hoe ClusterP&L kosten, rendement en investeringsscenario's voor GPU-clusters modelleert, met risicoanalyses en exporteerbare rapporten.","2025-05-03T10:52:22","clusterpl-empowering-gpu-cluster-investors-with-real-world-financial-insights","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fcomparisonscenarios.webp","https:\u002F\u002Feliovp.com\u002Fclusterpl-empowering-gpu-cluster-investors-with-real-world-financial-insights\u002F",[1062,1041,1108,1160,1079,1276,1342,1090,1343],"MI325X","P&L-calculator",{"path":1345,"title":1346,"description":1347,"date":1348,"slug":1349,"image":1350,"originalUrl":1351,"categories":1352},"\u002Fblog\u002Fcranking-out-faster-tokens-for-fewer-dollars-amd-mi300x-vs-nvidia-h200","AMD MI300X versus NVIDIA H200: Qwen3-32B met Paiton","Vergelijk Qwen3-32B-benchmarks op AMD MI300X met Paiton en NVIDIA H200, met resultaten voor throughput, latency en hardwarekosten.","2025-05-02T21:10:30","cranking-out-faster-tokens-for-fewer-dollars-amd-mi300x-vs-nvidia-h200","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002F3ac59a73-2466-4422-b7e5-ef2e4a8ca58e.webp","https:\u002F\u002Feliovp.com\u002Fcranking-out-faster-tokens-for-fewer-dollars-amd-mi300x-vs-nvidia-h200\u002F",[1062,1041,157,1275,1078,1276,1353,1090,157,1008],"MI300",{"path":1355,"title":1356,"description":1357,"date":1358,"slug":1359,"image":1360,"originalUrl":1361,"categories":1362},"\u002Fblog\u002Fpower-meets-precision-high-density-modular-data-center-for-nvidia-nvl-deployments-1-2-mw","Modulaire datacenters voor NVIDIA NVL: 1 tot 2 MW","Ontdek modulaire datacenterontwerpen voor NVIDIA NVL-systemen, met aandacht voor vermogen, vloeistofkoeling, redundantie en uitrolplanning.","2025-05-02T14:09:59","power-meets-precision-high-density-modular-data-center-for-nvidia-nvl-deployments-1-2-mw","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Feliovp_critical-1mw-pod_rev-2_transparent.webp","https:\u002F\u002Feliovp.com\u002Fpower-meets-precision-high-density-modular-data-center-for-nvidia-nvl-deployments-1-2-mw\u002F",[1062,1108,1363,1179,1200,1066,1201,1202,1364,1365,1205,1366],"1-2MW datacenter","NVIDIA Blackwell","NVIDIA NVL","Precisiekoeling",{"path":1368,"title":1369,"description":1370,"date":1371,"slug":1372,"image":1373,"originalUrl":1374,"categories":1375},"\u002Fblog\u002Fexamining-ai-agents-in-the-medical-field-ai-that-speaks-dicom","AI-agents in de medische wereld: AI die DICOM spreekt","Ontdek een lokale AI-agent die DICOM-gegevens opzoekt en bekijk tests van beeldmodellen met geanonimiseerde medische beelden.","2025-04-11T14:45:48","examining-ai-agents-in-the-medical-field-ai-that-speaks-dicom","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fhealthcareblog-1.webp","https:\u002F\u002Feliovp.com\u002Fexamining-ai-agents-in-the-medical-field-ai-that-speaks-dicom\u002F",[1062,1041,1160,1109,1275,1078,1376],"Zorg",{"path":1378,"title":1379,"description":1380,"date":1381,"slug":1382,"image":1383,"originalUrl":1384,"categories":1385},"\u002Fblog\u002Feliovp-bv-your-trusted-partner-for-supply-chain-resilience-amidst-new-u-s-tariffs","Amerikaanse invoerheffingen en AI-leveringszekerheid in 2025","Lees ElioVP's visie uit april 2025 op Amerikaanse invoerheffingen en leveringszekerheid voor AI-servers, HPC-systemen en modulaire datacenters.","2025-04-04T10:01:27","eliovp-bv-your-trusted-partner-for-supply-chain-resilience-amidst-new-u-s-tariffs","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Ftariffsshipping.webp","https:\u002F\u002Feliovp.com\u002Feliovp-bv-your-trusted-partner-for-supply-chain-resilience-amidst-new-u-s-tariffs\u002F",[1062,1120,1275,1078,1386,1387,1388,1389],"Invoer","Taiwan","Invoerheffingen","Trump",{"path":1391,"title":1392,"description":1393,"date":1394,"slug":1395,"image":1396,"originalUrl":1397,"categories":1398},"\u002Fblog\u002Fwhy-ai-agents-are-the-future","Waarom AI-agenten de toekomst zijn","Ontdek AI-agents voor ERP, CRM, financiën en klantondersteuning, met praktijkvoorbeelden en een traject van procesanalyse tot pilot en uitrol.","2025-03-23T22:06:59","why-ai-agents-are-the-future","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Ferp2.jpeg","https:\u002F\u002Feliovp.com\u002Fwhy-ai-agents-are-the-future\u002F",[1062,1041,1160,1275,1399,1400],"AI-agenten","ERP",{"path":1402,"title":1403,"description":1404,"date":1405,"slug":1406,"image":1407,"originalUrl":1408,"categories":1409},"\u002Fblog\u002Fthe-rise-of-open-source-ai-model-optimization","De opkomst van open-source AI-modeloptimalisatie","Verken trends in opensource-AI-optimalisatie: kwantisatie, mixture-of-experts-modellen, hardwaregerichte afstemming, RAG en edge-AI.","2025-03-22T20:59:23","the-rise-of-open-source-ai-model-optimization","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Friseofopensource.jpeg","https:\u002F\u002Feliovp.com\u002Fthe-rise-of-open-source-ai-model-optimization\u002F",[1062,1041,1120,1410,1078,633,1090],"AI-nieuws",{"path":1412,"title":1413,"description":1414,"date":1415,"slug":1416,"image":1417,"originalUrl":1418,"categories":1419},"\u002Fblog\u002Fintroducing-our-benchmarking-tool-powered-by-dstack","Maak kennis met onze benchmarktool, gebouwd op dstack","Ontdek onze benchmarktool met dstack: herhaalbare vLLM-tests, automatische parameterreeksen en prestatierapporten voor lokale GPU's en de cloud.","2025-03-20T14:21:59","introducing-our-benchmarking-tool-powered-by-dstack","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fbenchmarktool.jpeg","https:\u002F\u002Feliovp.com\u002Fintroducing-our-benchmarking-tool-powered-by-dstack\u002F",[1062,1041,157,1275,1078,1420,1421,1277,157],"benchmark","LLM",{"path":1423,"title":1424,"description":1425,"date":1426,"slug":1427,"image":1428,"originalUrl":1429,"categories":1430},"\u002Fblog\u002Foptimizing-qwq-32b-by-qwen-amd-mi300x-vs-nvidia-h200","QwQ-32B optimaliseren (door Qwen): AMD MI300X versus NVIDIA H200","Vergelijk throughput en latency van QwQ-32B op AMD MI300X met Paiton en NVIDIA H200, bij kleine batches en meer gelijktijdige aanvragen.","2025-03-19T21:41:44","optimizing-qwq-32b-by-qwen-amd-mi300x-vs-nvidia-h200","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fpaiton4.jpeg","https:\u002F\u002Feliovp.com\u002Foptimizing-qwq-32b-by-qwen-amd-mi300x-vs-nvidia-h200\u002F",[1062,1041,157],{"path":1432,"title":1433,"description":1434,"date":1435,"slug":1436,"image":1437,"originalUrl":1438,"categories":1439},"\u002Fblog\u002Feliovp-featured-on-amd-tech-talk-podcast","Eliovp te gast in de AMD Tech Talk-podcast","Beluister Elio Van Puyvelde en Jim Greene in de AMD Tech Talk-podcast over het ontstaan van ElioVP en de hardware- en softwarediensten voor AI.","2025-03-19T07:53:39","eliovp-featured-on-amd-tech-talk-podcast","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Ftechtalkjimgreene.jpeg","https:\u002F\u002Feliovp.com\u002Feliovp-featured-on-amd-tech-talk-podcast\u002F",[1062,1078,1440,1441,1442],"Jim Greene","Podcast","Tech Talk",{"path":1444,"title":1445,"description":1446,"date":1447,"slug":1448,"image":1449,"originalUrl":1450,"categories":1451},"\u002Fblog\u002Ffurther-optimizing-amd-powered-inference-with-paiton","AMD-inferentie verder optimaliseren met Paiton","Bekijk Paiton-benchmarks voor DeepSeek R1 Distill Llama 8B op AMD MI300X, gericht op throughput en latency bij kleinere batchgroottes.","2025-03-13T06:18:30","further-optimizing-amd-powered-inference-with-paiton","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fpaitonpost3.webp","https:\u002F\u002Feliovp.com\u002Ffurther-optimizing-amd-powered-inference-with-paiton\u002F",[1062,1041,157,1078,1452,1453,1276,1277,1342,157,1008],"DeepSeek","H100",{"path":1455,"title":1456,"description":1457,"date":1458,"slug":1459,"image":1460,"originalUrl":1461,"categories":1462},"\u002Fblog\u002Fa-first-look-at-paiton-in-action-deepseek-r1-distill-llama-3-1-8b","Paiton-benchmarks: DeepSeek R1 Distill Llama 3.1 8B","Vergelijk standaard- en Paiton-versies van DeepSeek R1 Distill Llama 3.1 8B op AMD MI300X, met benchmarks voor throughput en latency.","2025-01-31T09:11:02","a-first-look-at-paiton-in-action-deepseek-r1-distill-llama-3-1-8b","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fpaitonpost2.webp","https:\u002F\u002Feliovp.com\u002Fa-first-look-at-paiton-in-action-deepseek-r1-distill-llama-3-1-8b\u002F",[1062,1041,157,1078,1452,1453,1276,1277,1342,157,1008],{"path":1464,"title":1465,"description":1466,"date":1467,"slug":1468,"image":1469,"originalUrl":1470,"categories":1471},"\u002Fblog\u002Fai-model-optimization-with-paiton","AI-modeloptimalisatie met Paiton","Lees hoe Paiton modelcompilatie, aangepaste kernels en kernelfusie inzet om AI-inferentie op AMD GPU's te optimaliseren.","2025-01-30T19:53:25","ai-model-optimization-with-paiton","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fpaitonpost1.webp","https:\u002F\u002Feliovp.com\u002Fai-model-optimization-with-paiton\u002F",[1062,1041,157,1078,1453,1276,1277,1342,157,1008],1789853167715]