LLM Inference Benchmark Explorer
GLM-5.3-Flash op 4× DGX Spark — FP8, vLLM, TP4 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 | vLLM |
| Speculatieve decodering | — |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 383 | 29.61 | PASS |
| 2 | 558 | 20.85 | PASS |
| 4 | 706 | 13.52 | FAIL |
In de meting van OpenZeka bereikte GLM-5.3-Flash (321B parameters), aangeboden in FP8-formaat met vLLM op 4× DGX Spark (TP=4), met één verzoek een generatiesnelheid van 29.6 tok/s per verzoek en een time to first token (TTFT) van 383 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: Model: zai-org/GLM-5.3-Flash, 500K context (full-precision FP8)
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 vLLM op 4× DGX Spark (TP=4), met één verzoek een generatiesnelheid van 29.6 tok/s per verzoek en een time to first token (TTFT) van 383 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.