LLM Inference Benchmark Explorer
GLM-4.7 op DGX B300 — BF16, vLLM, TP4 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | GLM-4.7 |
|---|---|
| Parameters | 358B |
| Intelligence Index | 22.2 |
| Agentic Index | — |
| Apparaat | DGX B300 |
| Kwantisatie | BF16 |
| Max C | 32+ |
| Chatcapaciteit | 86 |
| Agentische capaciteit | 21 |
| TP | 4 |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | — |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 53 | 85.92 | PASS |
| 2 | 68 | 92.25 | PASS |
| 4 | 64 | 80.46 | PASS |
| 8 | 138 | 63.65 | PASS |
| 16 | 247 | 44.84 | PASS |
| 32 | 268 | 38.33 | PASS |
In de meting van OpenZeka bereikte GLM-4.7 (358B parameters), aangeboden in BF16-formaat met vLLM op DGX B300 (TP=4), met één verzoek een generatiesnelheid van 85.9 tok/s per verzoek en een time to first token (TTFT) van 53 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 86 gebruikers voor chatgebruik en 21 voor agentisch gebruik. De realistische capaciteit ligt waarschijnlijk tussen deze twee waarden. In scenario's waarin programmeren, toolgebruik, lange workflows en multi-agentgebruik overheersen, benadert de capaciteit de agentische schatting; waar kortere interacties, standaardgesprekken en lichtere taken overheersen, benadert zij de chatschatting.
Opmerkingen: 4 GPU
De waarden van Intelligence Index en Agentic Index worden gepubliceerd door Artificial Analysis en worden hier met bronvermelding overgenomen.
In de meting van OpenZeka bereikte GLM-4.7 (358B parameters), aangeboden in BF16-formaat met vLLM op DGX B300 (TP=4), met één verzoek een generatiesnelheid van 85.9 tok/s per verzoek en een time to first token (TTFT) van 53 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 86 gebruikers voor chatgebruik en 21 voor agentisch gebruik. De realistische capaciteit ligt waarschijnlijk tussen deze twee waarden. In scenario's waarin programmeren, toolgebruik, lange workflows en multi-agentgebruik overheersen, benadert de capaciteit de agentische schatting; waar kortere interacties, standaardgesprekken en lichtere taken overheersen, benadert zij de chatschatting.