LLM Inference Benchmark Explorer
GLM-5.3-Flash op 4× DGX Spark — FP8, SGLang, TP4, speculatieve decodering k=7 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 | 4× DGX Spark |
| Kwantisatie | FP8 |
| Max C | 2 |
| Chatcapaciteit | 8 |
| Agentische capaciteit | 3 |
| TP | 4 |
| DP | — |
| PP | — |
| Engine | SGLang |
| Speculatieve decodering | Ja |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 332 | 41.99 | PASS |
| 2 | 427 | 26.55 | PASS |
| 4 | 570 | 17.69 | FAIL |
| 8 | 1216 | 12.45 | FAIL |
In de meting van OpenZeka bereikte GLM-5.3-Flash (321B parameters), aangeboden in FP8-formaat met SGLang en speculatieve decodering op 4× DGX Spark (TP=4), met één verzoek een generatiesnelheid van 42 tok/s per verzoek en een time to first token (TTFT) van 332 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, 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: DFlash speculative decoding k=7, 256K context (max_model_len 262144), SGLang. 1.3-1.4x the TPS of the vLLM run without speculative decoding at C1-C4. Model: zai-org/GLM-5.3-Flash (served locally as glm-5.3-flash)
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 FP8-formaat met SGLang en speculatieve decodering op 4× DGX Spark (TP=4), met één verzoek een generatiesnelheid van 42 tok/s per verzoek en een time to first token (TTFT) van 332 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, 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.