[{"data":1,"prerenderedAt":1442},["ShallowReactive",2],{"blog-post-nl-\u002Fblog\u002Fpaiton-flux2-klein-radeon-ai-pro-r9700":3,"blog-posts-sidebar-nl":994},{"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,"__hash__":993},"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","sRpq79rcU2F3pBToKwPeE7MI6E47WP35FhYk5QdssmI",[995,997,1014,1023,1038,1069,1081,1103,1121,1140,1159,1177,1193,1205,1221,1236,1248,1257,1265,1280,1292,1303,1314,1324,1337,1347,1360,1371,1381,1392,1401,1413,1424,1433],{"path":989,"title":5,"description":982,"date":981,"slug":991,"image":985,"originalUrl":988,"categories":996},[157,976,977,978,979,980],{"path":998,"title":999,"description":1000,"date":1001,"slug":1002,"image":1003,"originalUrl":1004,"categories":1005},"\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",[157,1006,976,1007,1008,1009,1010,1011,1012,1013],"Kunstmatige intelligentie","AI-inferentie","GPU-prestaties","Inferentielatentie","Inferentie-optimalisatie","Grote taalmodellen","vLLM","Kostenefficiëntie",{"path":1015,"title":1016,"description":1017,"date":1018,"slug":1019,"image":1020,"originalUrl":1021,"categories":1022},"\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",[157,1006,976,1007,1008,1009,1010,1011,1012,1013],{"path":1024,"title":1025,"description":1026,"date":1027,"slug":1028,"image":1029,"originalUrl":1030,"categories":1031},"\u002Fblog\u002Fai-data-center-power-requirements-gpu-per-megawatt","Stroomvereisten voor AI-datacenters: de GPU-per-MW-illusie","Waarom vermelden offertes voor AI-datacenters verschillende GPU-capaciteiten? Ontdek hoe PUE, piekbelasting, opslag, netwerken en koeling bepalen hoeveel compute werkelijk inzetbaar is.","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",null,[1032,1033,1034,1035,1036,1037],"Alle","AI-infrastructuur","Datacenters","ModFlex","HPC","AMD Helios",{"path":1039,"title":1040,"description":1041,"date":1042,"slug":1043,"image":1044,"originalUrl":1045,"categories":1046},"\u002Fblog\u002Fpaiton-returns-to-its-diffusion-roots-optimizing-wan2-2-t2v-a14b-on-amd-mi355x","Paiton keert terug naar zijn diffusiewortels: optimalisatie van Wan2.2-T2V-A14B op AMD MI355X","Toen we begonnen met het bouwen van Paiton, was een van onze eerste aandachtsgebieden het optimaliseren van diffusiemodellen. Stable Diffusion XL was een van de eerste grote modellen waarin we lieten zien dat gefuseerde operators, efficiënte uitvoering en hardwarebewuste kernels een echt verschil konden maken. Nu keren we terug naar die oorsprong. Met de groeiende belangstelling voor het genereren van tekst-naar-video, ...","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",[1032,1006,157,1047,1048,1049,1050,1051,1052,1053,1054,1055,633,1056,1057,1058,1059,1060,1061,1062,157,1063,1064,1065,1066,1067,1068],"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":1070,"title":1071,"description":1072,"date":1073,"slug":1074,"image":1075,"originalUrl":1076,"categories":1077},"\u002Fblog\u002Ffrom-the-attic-to-the-front-page-eliovp-recognized-as-a-pioneer-in-chip-optimization-data-center-infrastructure","Van zolder tot voorpagina: ElioVP erkend als pionier op het gebied van chipoptimalisatie en datacenterinfrastructuur","Het waren bijzondere weken voor het team van Eliovp. Ons bedrijf haalde de voorpagina van De Tijd, de toonaangevende zakenkrant van België. Ons verhaal begon bij een oprichter die op zolder aan hardware sleutelde en groeide uit tot een onderneming met 215 miljoen euro omzet.","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",[1032,1006,1078,1079,1048,1080,1078,1060],"Modulaire DC","Niet gecategoriseerd","De Tijd",{"path":1082,"title":1083,"description":1084,"date":1085,"slug":1086,"image":1087,"originalUrl":1088,"categories":1089},"\u002Fblog\u002Fprivacy-is-geen-it-probleem-meer-het-is-een-strategische-prioriteit","Privacy is geen IT-probleem meer, het is een strategische prioriteit","Privacyrisico's, psychologische valkuilen en de operationele realiteit van generatieve AI in de Benelux. Waarom bedrijven gevoelige gegevens, governance en lokale 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",[1032,1006,1090,1079,1091,1092,1093,1094,1095,1096,1097,1098,1054,1099,1055,1100,1101,1102],"Trending","AI Act","Antropomorfisme","AVG","Benelux","ChatGPT","Cyberbeveiliging","Databeheer","Gegevensbeveiliging","GDPR","Microsoft Copilot","Privacy","Shadow AI",{"path":1104,"title":1105,"description":1106,"date":1107,"slug":1108,"image":1109,"originalUrl":1110,"categories":1111},"\u002Fblog\u002Fitsme-bij-ons-is-het-its-not-me-en-dit-is-waarom","Itsme? Bij ons is het “it's not me”, en dit is waarom.","Waarom Eliovp itsme niet gebruikt voor medewerkers en interne processen: een analyse van datasoevereiniteit, cloudjurisdictie, metadata, eigendomsstructuur en technische risico's.","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",[1032,1112,1113,1114,1096,1115,1116,1117,1099,1118,1119,1120,1101],"AWS","Belgian Mobile ID","CLOUD Act","Datasoevereiniteit","Digitale identiteit","eIDAS","itsme","Liberty Global","MyGov.be",{"path":1122,"title":1123,"description":1124,"date":1125,"slug":1126,"image":1127,"originalUrl":1128,"categories":1129},"\u002Fblog\u002Ffield-report-the-reality-of-building-agentic-ai-in-2025","Praktijkrapport: de realiteit van Agentic AI bouwen in 2025","De verwachtingen rond Agentic AI staan vaak ver af van de technische realiteit. Dit praktijkrapport beschrijft wat er nodig is om betrouwbare, lokale AI-agents voor bedrijfsworkflows te bouwen, van modulaire architectuur en observability tot modeltraining, VRAM en soevereine infrastructuur.","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",[1032,1006,1130,1090,1131,1132,1133,1134,1135,1136,1137,1138,1063,1139],"Oplossingen","Agentic AI","AI-techniek","AI-strategie","Autonome agenten","Bedrijfs-AI","Lokale LLM","Modelverfijning","AI op locatie","VRAM-optimalisatie",{"path":1141,"title":1142,"description":1143,"date":1144,"slug":1145,"image":1146,"originalUrl":1147,"categories":1148},"\u002Fblog\u002Fthe-synthetic-unicorn-bubble","De synthetische unicornzeepbel","Hoe AI-neocloudinfrastructuur circulaire kasstromen omzet in schijngroei. Tussen 2023 en 2025 stroomden miljarden aan durfkapitaal naar het neocloudecosysteem. Onze analyse onderzoekt hoe circulaire financiering, vaporware-infrastructuur en roofzuchtige contracten onderliggende activawaarden kunstmatig kunnen opbouwen.","2025-11-24T19:22:28","the-synthetic-unicorn-bubble","\u002Fasset\u002Fimages\u002Fblog\u002Fimported\u002Fsyntheticunicorn.webp","https:\u002F\u002Feliovp.com\u002Fthe-synthetic-unicorn-bubble\u002F",[1032,1006,1090,1149,1150,1151,1152,1153,1154,1155,1156,1157,1158],"AI Infrastructure","AI Neocloud","Circulaire financiering","GPU Cloud","Beleggingsrisico's","Opstartwaardering","Synthetische bubbel","Technische analyse","Vaporware","Durfkapitaal",{"path":1160,"title":1161,"description":1162,"date":1163,"slug":1164,"image":1165,"originalUrl":1166,"categories":1167},"\u002Fblog\u002Fbuilding-the-engine-for-the-ai-race-the-4-month-path-to-nvidia-gb300-nvl72-power","De motor voor de AI-race bouwen: in vier maanden klaar voor NVIDIA GB300 NVL72","Bij AI-infrastructuur is snelheid een concurrentieel voordeel. Traditionele datacenterprojecten duren vaak 18 tot 24 maanden. Onze modulaire aanpak levert in vier maanden een operationele faciliteit die specifiek is ontworpen voor de NVIDIA GB300 NVL72.","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",[1032,1078,1079,1168,1033,1169,1170,1171,1172,1173,1174,1175,1176],"150 kW-rack","DLC","Hoge dichtheid","Vloeistofkoeling","Modulair datacenter","NVIDIA Blackwell Ultra","NVIDIA GB300","NVL72","Snelle implementatie",{"path":1178,"title":1179,"description":1180,"date":1181,"slug":1182,"image":1183,"originalUrl":1184,"categories":1185},"\u002Fblog\u002Fwhy-cuda-translation-wont-unlock-amds-real-potential","Waarom de “CUDA”-vertaling het echte potentieel van AMD niet zal ontsluiten","Om de paar jaar verschijnt een oplossing met dezelfde belofte: behoud uw CUDA-code, wissel van toolchain en draai plots op verschillende GPU-platforms. Dat kan nuttig zijn voor compatibiliteit, maar ontsluit niet automatisch AMD's echte prestatiepotentieel. Daarvoor zijn AMD-first kernels, libraries en tuning nodig.","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",[1032,1006,157,1079,1186,1006,1187,1188,1189,1190,715,1191,157,1192],"AMD MI300X","CUDA-vertaling","FP8","GPU-optimalisatie","High-performance computing","Kerneltuning","ROCm",{"path":1194,"title":1195,"description":1196,"date":1197,"slug":1198,"image":1199,"originalUrl":1200,"categories":1201},"\u002Fblog\u002Fpaiton-the-simplest-way-to-supercharge-ai-inference","Paiton: de eenvoudigste manier om AI-inferentie een boost te geven","Laten we eerlijk zijn: marketing is niet onze sterkste kant. We namen nooit extern kapitaal aan, verbrandden geen budget aan advertentiecampagnes en bouwden geen verkoopleger. We bouwen gewoon technologie die werkt. Paiton versnelt uw bestaande inferentiestack zonder migratie, nieuwe API's of modelconversie.","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",[1032,1006,157,1007,1202,1186,1013,1203,1010,1191,157,1204,1012],"AMD Instinct","Hoge throughput","SGLang",{"path":1206,"title":1207,"description":1208,"date":1209,"slug":1210,"image":1211,"originalUrl":1212,"categories":1213},"\u002Fblog\u002Fstop-overpaying-paiton-mi300x-moe-beats-h200-b200-on-1m-tokens","Stop met te veel betalen: Paiton MI300X MoE verslaat H200\u002FB200 in kosten per 1 miljoen tokens","We benchmarkten Paiton's nieuwe MoE-ondersteuning met Qwen\u002FQwen3-30B-A3B-Instruct-2507 en vergeleken de inferentieprestaties van verschillende opstellingen. Elke configuratie draaide vijf keer per batchgrootte. We rapporteren het gemiddelde van die runs op basis van realistische conversationele workloads.","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",[1032,1006,157,1214,1186,1215,1010,1216,1217,1218,1219,157,1220],"AI-benchmarks","Kosten per token","Mixture of Experts","MoE","NVIDIA B200","NVIDIA H200","Qwen3",{"path":1222,"title":1223,"description":1224,"date":1225,"slug":1226,"image":1227,"originalUrl":1228,"categories":1229},"\u002Fblog\u002Fagentic-ai-but-make-it-local-from-inbox-to-insight-to-action-en","Agentic AI, maar dan lokaal: van inbox naar inzicht en actie","We bouwen productieklare, local-first AI-agents die aansluiten op uw bestaande e-mailomgeving. Ze maken tickets aan, classificeren berichten, lezen documenten, herkennen facturen en offertes, analyseren beelden en sturen gestructureerde rapporten naar uw systemen, zonder verplichte afhankelijkheid van externe AI-API's.","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",[1032,1006,1130,1079,1131,1230,1231,1232,1233,1136,1138,1063,1234,1235],"Schadedetectie","Documentverwerking","E-mailautomatisering","Factuurextractie","Ticketautomatisering","Workflowautomatisering",{"path":1237,"title":1238,"description":1239,"date":1240,"slug":1241,"image":1242,"originalUrl":1243,"categories":1244},"\u002Fblog\u002Fmi300x-fp8-data-parallel-benchmarks-8-64-gpus-h200-left-behind-b200-within-reach","MI300X FP8 data-parallelle benchmarks (8 tot 64 GPU's): H200 achter zich, B200 binnen bereik","We schalen Llama-3.1-8B-Instruct-FP8-KV met Paiton op een gepartitioneerde AMD MI300X-server van 8 fysieke GPU's naar 64 virtuele GPU's. De resultaten tonen sterke multi-tenant throughput, veel lagere latency en een bijna gelijkspel met NVIDIA's 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",[1032,1006,157,1079,1245,1048,1049,1246,1247,1059,1060,157,1012],"AI","H200","MI300X",{"path":1249,"title":1250,"description":1251,"date":1252,"slug":1253,"image":1254,"originalUrl":1255,"categories":1256},"\u002Fblog\u002Fapplicable-ai-for-businesses","Toepasbare AI voor bedrijven","Bij Eliovp blijven we innoveren om praktische oplossingen te bouwen. Een van onze grootste sterktes is het vermogen om buiten de gebaande paden te denken. Daarom ontwikkelen we toepasbare AI-oplossingen die dagelijks bruikbaar zijn en precies aansluiten op de behoeften van onze klanten.","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",[1032,1006,1130,1131,1230,1231,1232,1233,1136,1138,1063,1234,1235],{"path":1258,"title":1259,"description":1260,"date":1261,"slug":1262,"image":81,"originalUrl":1263,"categories":1264},"\u002Fblog\u002Fintroducing-paitons-free-evaluation-models","Maak kennis met de gratis evaluatiemodellen van Paiton","AI verandert elke sector in hoog tempo, maar grote modellen efficiënt uitvoeren blijft een aanzienlijke technische en financiële uitdaging. ElioVP specialiseert zich in optimalisatie voor AMD-accelerators en helpt organisaties het volledige potentieel van hun hardware te benutten. Met onze gratis evaluatiemodellen kunt u de optimalisaties van Paiton vooraf op uw eigen workloads testen.","2025-07-07T11:26:13","introducing-paitons-free-evaluation-models","https:\u002F\u002Feliovp.com\u002Fintroducing-paitons-free-evaluation-models\u002F",[1032,1006,157],{"path":1266,"title":1267,"description":1268,"date":1269,"slug":1270,"image":1271,"originalUrl":1272,"categories":1273},"\u002Fblog\u002Fpaiton-dramatically-faster-startup-and-performance-for-llama-3-1-405b","Paiton: veel sneller opstarten en betere prestaties voor Llama-3.1-405B","Met Paiton streven we niet alleen naar maximale inferentiesnelheden. We verbeteren de volledige levenscyclus van de deployment van grote taalmodellen. Onze nieuwste test combineert AMD MI300X-GPU's met het omvangrijke Llama-3.1-405B-Instruct-FP8-KV-model en levert baanbrekende resultaten op voor zowel opstartsnelheid als runtimeprestaties.","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",[1032,1006,157,1079,1007,1186,1274,1188,1275,1276,1277,157,1278,1279],"Koude start","Grafiekcompilatie","Llama 3.1 405B","LLM-optimalisatie","Opstartlatentie","Tensor-parallellisme",{"path":1281,"title":1282,"description":1283,"date":1284,"slug":1285,"image":1286,"originalUrl":1287,"categories":1288},"\u002Fblog\u002Fpaiton-fp8-beats-nvidias-h200-on-amds-mi300x","Paiton FP8 verslaat NVIDIA's H200 op AMD's MI300X","AI evolueert razendsnel en efficiënte inferentie is essentieel om krachtige modellen in praktijksituaties in te zetten. Paiton levert nu sterkere FP8-inferentieprestaties op AMD MI300X-GPU's dan NVIDIA's H200, dankzij zorgvuldig geoptimaliseerde kernels.","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",[1032,1006,157,1079,1186,1289,1135,1055,1008,1009,1011,1276,1290,1291],"Koude startoptimalisatie","Model serving","vLLM-optimalisatie",{"path":1293,"title":1294,"description":1295,"date":1296,"slug":1297,"image":1298,"originalUrl":1299,"categories":1300},"\u002Fblog\u002Fmi300x-vs-h200-vs-rx-7900-xtx-vs-tenstorrent-n300s-with-vllm","MI300X versus H200 versus RX 7900 XTX versus Tenstorrent n300s met vLLM","Nu grote taalmodellen een fundamenteel onderdeel worden van moderne toepassingen, is de juiste server voor deployment belangrijker dan ooit. We vergelijken AMD MI300X, NVIDIA H200, AMD RX 7900 XTX en Tenstorrent n300s met vLLM op throughput en kosten.","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",[1032,1006,157,1130,1079,1048,1247,1060,1301,1302],"RX7900XTX","tenstorrent",{"path":1304,"title":1305,"description":1306,"date":1307,"slug":1308,"image":1309,"originalUrl":1310,"categories":1311},"\u002Fblog\u002Fclusterpl-empowering-gpu-cluster-investors-with-real-world-financial-insights","ClusterP&L: financiële inzichten voor investeerders in GPU-clusters","Eliovp ontwerpt, bouwt en optimaliseert al jaren GPU-clusters in heel Europa. Omdat klanten ons telkens opnieuw vroegen om een P&L-model voor hun investering, bundelden we onze praktijkkennis in ClusterP&L: een toegankelijke, voortdurend bijgewerkte tool voor financiële prognoses van GPU-infrastructuur.","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",[1032,1006,1078,1130,1049,1246,1312,1060,1313],"MI325X","P&L-calculator",{"path":1315,"title":1316,"description":1317,"date":1318,"slug":1319,"image":1320,"originalUrl":1321,"categories":1322},"\u002Fblog\u002Fcranking-out-faster-tokens-for-fewer-dollars-amd-mi300x-vs-nvidia-h200","Snellere tokens voor minder geld: AMD MI300X tegenover NVIDIA H200","We vergelijken Qwen3-32B op een AMD MI300X, geoptimaliseerd met Paiton, met de NVIDIA H200. De resultaten tonen hoe Paiton vergelijkbare of betere prestaties kan leveren tegen lagere hardwarekosten en met aantrekkelijke kosten per miljoen tokens.","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",[1032,1006,157,1245,1048,1246,1323,1060,157,1012],"MI300",{"path":1325,"title":1326,"description":1327,"date":1328,"slug":1329,"image":1330,"originalUrl":1331,"categories":1332},"\u002Fblog\u002Fpower-meets-precision-high-density-modular-data-center-for-nvidia-nvl-deployments-1-2-mw","Waar vermogen en precisie samenkomen: modulair high-density datacenter voor NVIDIA NVL-deployments (1 tot 2 MW)","Eliovp ontwikkelt modulaire high-density infrastructuur voor AI-workloads van Blackwell-klasse. Het platform ondersteunt NVIDIA NVL-configuraties van NVL4 tot NVL72, van gedistribueerde edge-inferentie tot modeltraining op hyperscale, met 1 tot 2 MW IT-vermogen per module.","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",[1032,1078,1333,1149,1170,1036,1171,1172,1334,1335,1175,1336],"1-2MW datacenter","NVIDIA Blackwell","NVIDIA NVL","Precisiekoeling",{"path":1338,"title":1339,"description":1340,"date":1341,"slug":1342,"image":1343,"originalUrl":1344,"categories":1345},"\u002Fblog\u002Fexamining-ai-agents-in-the-medical-field-ai-that-speaks-dicom","AI-agents in de medische wereld: AI die DICOM spreekt","Eliovp ontwikkelde een medische AI-agent die rechtstreeks met DICOM-servers in ziekenhuizen communiceert. De assistent kan patiënten en onderzoeken opzoeken, relevante beelden ophalen en medische beeldanalyse ondersteunen binnen de lokale ziekenhuisinfrastructuur.","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",[1032,1006,1130,1079,1245,1048,1346],"Zorg",{"path":1348,"title":1349,"description":1350,"date":1351,"slug":1352,"image":1353,"originalUrl":1354,"categories":1355},"\u002Fblog\u002Feliovp-bv-your-trusted-partner-for-supply-chain-resilience-amidst-new-u-s-tariffs","Eliovp BV: uw partner voor een veerkrachtige supply chain bij nieuwe Amerikaanse invoerheffingen","Het internationale handelslandschap verandert snel. Nieuwe Amerikaanse invoerheffingen zorgen voor onzekerheid, vooral bij bedrijven die afhankelijk zijn van high-performance computing en AI-infrastructuur. Eliovp helpt klanten hun supply chain veerkrachtig, betrouwbaar en kostenefficiënt te houden.","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",[1032,1090,1245,1048,1356,1357,1358,1359],"Invoer","Taiwan","Invoerheffingen","Trump",{"path":1361,"title":1362,"description":1363,"date":1364,"slug":1365,"image":1366,"originalUrl":1367,"categories":1368},"\u002Fblog\u002Fwhy-ai-agents-are-the-future","Waarom AI-agenten de toekomst zijn","AI-agenten integreren met uw bestaande ERP-, CRM- en marketingplatforms. Ze vullen uw huidige systemen aan, nemen intelligentere beslissingen en schalen mee met uw organisatie. Zo verlaagt u kosten, beperkt u fouten en maakt u medewerkers vrij voor werk met meer toegevoegde waarde.","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",[1032,1006,1130,1245,1369,1370],"AI-agenten","ERP",{"path":1372,"title":1373,"description":1374,"date":1375,"slug":1376,"image":1377,"originalUrl":1378,"categories":1379},"\u002Fblog\u002Fthe-rise-of-open-source-ai-model-optimization","De opkomst van open-source AI-modeloptimalisatie","In het snel evoluerende AI-landschap zijn opensourceoplossingen belangrijke aanjagers van innovatie en betere prestaties. Deze door de gemeenschap gedragen platforms maken geavanceerde technologie breder toegankelijk, stimuleren samenwerking en versnellen de optimalisatie van AI-modellen.","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",[1032,1006,1090,1380,1048,633,1060],"AI-nieuws",{"path":1382,"title":1383,"description":1384,"date":1385,"slug":1386,"image":1387,"originalUrl":1388,"categories":1389},"\u002Fblog\u002Fintroducing-our-benchmarking-tool-powered-by-dstack","Maak kennis met onze benchmarktool, gebouwd op dstack","Betrouwbare benchmarks zijn essentieel om AI-modellen en software te optimaliseren. Onze nieuwe tool integreert met dstack en maakt geautomatiseerde, reproduceerbare en schaalbare benchmarkworkflows mogelijk, zowel op lokale GPU's als in 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",[1032,1006,157,1245,1048,1390,1391,1247,157],"benchmark","LLM",{"path":1393,"title":1394,"description":1395,"date":1396,"slug":1397,"image":1398,"originalUrl":1399,"categories":1400},"\u002Fblog\u002Foptimizing-qwq-32b-by-qwen-amd-mi300x-vs-nvidia-h200","QwQ-32B optimaliseren (door Qwen): AMD MI300X versus NVIDIA H200","De meeste LLM-benchmarks richten zich op afgeleiden van Llama of DeepSeek. Met QwQ-32B verbreden we die vergelijking en testen we hoe Paiton de AMD MI300X optimaliseert tegenover NVIDIA's H200, van throughput en concurrency tot TTFT en end-to-end-latency.","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",[1032,1006,157],{"path":1402,"title":1403,"description":1404,"date":1405,"slug":1406,"image":1407,"originalUrl":1408,"categories":1409},"\u002Fblog\u002Feliovp-featured-on-amd-tech-talk-podcast","Eliovp te gast in de AMD Tech Talk-podcast","Eliovp was onlangs te gast in de AMD Tech Talk-podcast. Onze CEO Elio Van Puyvelde sprak met Jim Greene over het ontstaan van Eliovp, de passie en expertise achter het bedrijf en de geïntegreerde oplossingen die we vandaag aanbieden.","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",[1032,1048,1410,1411,1412],"Jim Greene","Podcast","Tech Talk",{"path":1414,"title":1415,"description":1416,"date":1417,"slug":1418,"image":1419,"originalUrl":1420,"categories":1421},"\u002Fblog\u002Ffurther-optimizing-amd-powered-inference-with-paiton","AMD-inferentie verder optimaliseren met Paiton","Paiton richt zich volledig op inferentieoptimalisatie voor AMD. Ons recentste werk levert voor DeepSeek R1 Distill Llama 8B een 10 tot 15% hogere throughput, een betere time-to-first-token en stabielere prestaties 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",[1032,1006,157,1048,1422,1423,1246,1247,1312,157,1012],"DeepSeek","H100",{"path":1425,"title":1426,"description":1427,"date":1428,"slug":1429,"image":1430,"originalUrl":1431,"categories":1432},"\u002Fblog\u002Fa-first-look-at-paiton-in-action-deepseek-r1-distill-llama-3-1-8b","Een eerste blik op Paiton in actie: DeepSeek R1 Distill Llama 3.1 8B","Een eerste blik op hoe Paiton DeepSeek R1 Distill Llama 3.1 8B optimaliseert voor de AMD MI300X. We vergelijken een met Paiton geoptimaliseerd model met de standaardversie en meten throughput, latency en end-to-end prestaties bij uiteenlopende batchgroottes.","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",[1032,1006,157,1048,1422,1423,1246,1247,1312,157,1012],{"path":1434,"title":1435,"description":1436,"date":1437,"slug":1438,"image":1439,"originalUrl":1440,"categories":1441},"\u002Fblog\u002Fai-model-optimization-with-paiton","AI-modeloptimalisatie met Paiton","In de snel evoluerende wereld van artificiële intelligentie zijn efficiënte modellen en sterke prestaties cruciaal. Met Paiton biedt ElioVP doorgedreven optimalisatie voor AI-modellen. Door de modelarchitectuur te compileren en onze eigen kernels te gebruiken, maakt Paiton snellere inferentie en een lager resourcegebruik op AMD GPU's mogelijk.","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",[1032,1006,157,1048,1423,1246,1247,1312,157,1012],1788854469928]