Ninfer 4080 zeigt, dass allgemeine Inferenz-Engines wie llama.cpp oder vllm nur ~28% der theoretischen GPU-Speicherbandbreite ausschöpfen. Mit DFlash2 Speculative Decoding und gezielter Hardware-Optimierung sind deutlich höhere Token-Raten auf Konsumer-Hardware erreichbar – das Docker-Image senkt die Einstiegshürde.