LLM Inference Benchmark Explorer
GLM-5.3 op 8× DGX Spark — NVFP4, vLLM, TP8, speculatieve decodering k=4 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | GLM-5.3 |
|---|---|
| Parameters | 753B |
| Intelligence Index | 44.8 |
| Agentic Index | 53.1 |
| Apparaat | 8× DGX Spark |
| Kwantisatie | NVFP4 |
| Max C | 1 |
| Chatcapaciteit | 4 |
| Agentische capaciteit | 1 |
| TP | 8 |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | Ja |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 630 | 22.64 | PASS |
| 2 | 833 | 15.32 | FAIL |
| 4 | 1106 | 10.06 | FAIL |
In de meting van OpenZeka bereikte GLM-5.3 (753B parameters), aangeboden in NVFP4-formaat met vLLM en speculatieve decodering op 8× DGX Spark (TP=8), met één verzoek een generatiesnelheid van 22.6 tok/s per verzoek en een time to first token (TTFT) van 630 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 4 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: Inferact/GLM-5.3-NVFP4, 256K context. Model's built-in MTP, k=4
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 (753B parameters), aangeboden in NVFP4-formaat met vLLM en speculatieve decodering op 8× DGX Spark (TP=8), met één verzoek een generatiesnelheid van 22.6 tok/s per verzoek en een time to first token (TTFT) van 630 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 4 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.