LLM Inference Benchmark Explorer
GLM-5.3-Flash op 2× DGX Spark — NVFP4, vLLM, TP2 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | GLM-5.3-Flash |
|---|---|
| Parameters | 321B |
| Intelligence Index | 41.8 |
| Agentic Index | 50.9 |
| Apparaat | 2× DGX Spark |
| Kwantisatie | NVFP4 |
| Max C | 1 |
| Chatcapaciteit | 2 |
| Agentische capaciteit | 1 |
| TP | 2 |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | — |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 395 | 24.34 | PASS |
| 2 | 575 | 17.66 | FAIL |
| 4 | 765 | 13.58 | FAIL |
| 8 | 4300 | 8.94 | FAIL |
| 16 | 18900 | 4.51 | FAIL |
In de meting van OpenZeka bereikte GLM-5.3-Flash (321B parameters), aangeboden in NVFP4-formaat met vLLM op 2× DGX Spark (TP=2), met één verzoek een generatiesnelheid van 24.3 tok/s per verzoek en een time to first token (TTFT) van 395 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 2 gebruikers voor chatgebruik en 1 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: Model: LibertAIDAI/GLM-5.3-Flash-NVFP4. Docker: radixark/vllm-glm53-flash:sm121-v8
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-5.3-Flash (321B parameters), aangeboden in NVFP4-formaat met vLLM op 2× DGX Spark (TP=2), met één verzoek een generatiesnelheid van 24.3 tok/s per verzoek en een time to first token (TTFT) van 395 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 2 gebruikers voor chatgebruik en 1 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.