LLM Inference Benchmark Explorer
GLM-5.2 op 4× DGX Spark — INT4, vLLM, TP4, speculatieve decodering k=4 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | GLM-5.2 |
|---|---|
| Parameters | 753B |
| Intelligence Index | 33.7 |
| Agentic Index | 38.4 |
| Apparaat | 4× DGX Spark |
| Kwantisatie | INT4 |
| Max C | 2 |
| Chatcapaciteit | 8 |
| Agentische capaciteit | 3 |
| TP | 4 |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | Ja |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 490 | 27.39 | PASS |
| 2 | 717 | 20.02 | PASS |
| 4 | 955 | 14.33 | FAIL |
| 8 | 6560 | 8.51 | FAIL |
In de meting van OpenZeka bereikte GLM-5.2 (753B parameters), aangeboden in INT4-formaat met vLLM en speculatieve decodering op 4× DGX Spark (TP=4), met één verzoek een generatiesnelheid van 27.4 tok/s per verzoek en een time to first token (TTFT) van 490 ms.
Alleen rekening houdend met de snelheidsdoelen (de KV-cachelimiet is voor deze configuratie niet berekend), bedraagt de geschatte capaciteit 8 gebruikers voor chatgebruik en 3 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: TP=4, DCP=4, cudagraph FULL, GMU 0.885, B12X_MLA_SPARSE
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-5.2 (753B parameters), aangeboden in INT4-formaat met vLLM en speculatieve decodering op 4× DGX Spark (TP=4), met één verzoek een generatiesnelheid van 27.4 tok/s per verzoek en een time to first token (TTFT) van 490 ms.
Alleen rekening houdend met de snelheidsdoelen (de KV-cachelimiet is voor deze configuratie niet berekend), bedraagt de geschatte capaciteit 8 gebruikers voor chatgebruik en 3 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.