4× DGX Spark üzerinde GLM-5.2 — INT4, vLLM, TP4, spekülatif kod çözme k=4 çıkarım benchmark'ı
Bu yapılandırmayı LLM Çıkarım Benchmark Gezgini'nde aç
| Model | GLM-5.2 |
|---|---|
| Parametre | 753B |
| Zekâ Endeksi | 33.7 |
| Agentic Endeksi | 38.4 |
| Cihaz | 4× DGX Spark |
| Kuantizasyon | INT4 |
| Maks C | 2 |
| Chat Kapasitesi | 8 |
| Agentic Kapasitesi | 3 |
| TP | 4 |
| DP | — |
| PP | — |
| Inference Engine | vLLM |
| Spekülatif Kod Çözme | Evet |
| C | TTFT (ms) | TPS (tok/s) | Durum |
|---|---|---|---|
| 1 | 490 | 27.39 | PASS |
| 2 | 717 | 20.02 | PASS |
| 4 | 955 | 14.33 | FAIL |
| 8 | 6560 | 8.51 | FAIL |
OpenZeka'nın ölçümünde, 4× DGX Spark üzerinde vLLM ile INT4 formatında ve spekülatif kod çözmeyle sunulan GLM-5.2 (753B parametre, TP=4), tek istekte istek başına 27,4 tok/s üretim hızına ve 490 ms ilk token süresine (TTFT) ulaştı.
Yalnızca hız hedefleri göz önünde bulundurulduğunda (bu yapılandırma için KV önbelleği sınırı hesaplanmadı), tahmini kapasite chat kullanımı için 8, agentic kullanım için 3 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: TP=4, DCP=4, cudagraph FULL, GMU 0.885, B12X_MLA_SPARSE
Zekâ Endeksi ve Agentic Endeksi değerleri Artificial Analysis tarafından yayımlanmıştır ve kaynak belirtilerek burada aktarılmıştır.
OpenZeka'nın ölçümünde, 4× DGX Spark üzerinde vLLM ile INT4 formatında ve spekülatif kod çözmeyle sunulan GLM-5.2 (753B parametre, TP=4), tek istekte istek başına 27,4 tok/s üretim hızına ve 490 ms ilk token süresine (TTFT) ulaştı.
Yalnızca hız hedefleri göz önünde bulundurulduğunda (bu yapılandırma için KV önbelleği sınırı hesaplanmadı), tahmini kapasite chat kullanımı için 8, agentic kullanım için 3 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.