LLM Çıkarım Benchmark Gezgini

DGX B300 üzerinde GLM-4.7 — BF16, vLLM, TP4 çıkarım benchmark'ı

Bu yapılandırmayı LLM Çıkarım Benchmark Gezgini'nde aç

ModelGLM-4.7
Parametre358B
Zekâ Endeksi22.2
Agentic Endeksi—
CihazDGX B300
KuantizasyonBF16
Maks C32+
Chat Kapasitesi86
Agentic Kapasitesi21
TP4
DP—
PP—
Inference EnginevLLM
Spekülatif Kod Çözme—
CTTFT (ms)TPS (tok/s)Durum
15388.42PASS
26895.60PASS
46483.13PASS
813867.25PASS
1624747.94PASS
3226841.08PASS

OpenZeka'nın ölçümünde, DGX B300 üzerinde vLLM ile BF16 formatında sunulan GLM-4.7 (358B parametre, TP=4), tek istekte istek başına 88,4 tok/s üretim hızına ve 53 ms ilk token süresine (TTFT) ulaştı.

Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, tahmini kapasite chat kullanımı için 86, agentic kullanım için 21 kullanıcıdır. Gerçekçi kapasite muhtemelen bu iki değer arasında olacaktır. Kodlama, araç kullanımı, uzun iş akışları ve çoklu ajan kullanımının ağırlıklı olduğu senaryolarda kapasite agentic tahmine yaklaşırken; daha kısa etkileşimlerin, standart sohbetlerin ve daha hafif görevlerin ağırlıkta olduğu kullanımlarda chat tahminine yaklaşacaktır.

Notlar: 4 GPU

Zekâ Endeksi ve Agentic Endeksi değerleri Artificial Analysis tarafından yayımlanmıştır ve kaynak belirtilerek burada aktarılmıştır.