LLM Çıkarım Benchmark Gezgini

DGX B300 üzerinde GLM-4.7 — FP8, vLLM, TP2 çıkarım benchmark'ı

Bu yapılandırmayı LLM Çıkarım Benchmark Gezgini'nde aç

ModelGLM-4.7
Parametre358B
Zekâ Endeksi22.2
Agentic Endeksi—
CihazDGX B300
KuantizasyonFP8
Maks C32+
Chat Kapasitesi42
Agentic Kapasitesi10
TP2
DP—
PP—
Inference EnginevLLM
Spekülatif Kod Çözme—
CTTFT (ms)TPS (tok/s)Durum
15382.44PASS
27688.42PASS
46874.74PASS
87959.92PASS
1657145.13PASS
3264238.31PASS

OpenZeka'nın ölçümünde, DGX B300 üzerinde vLLM ile FP8 formatında sunulan GLM-4.7 (358B parametre, TP=2), tek istekte istek başına 82,4 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 42, agentic kullanım için 10 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: 2 GPU

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