2× DGX Spark üzerinde GLM-5.3-Flash — NVFP4, vLLM, TP2 çıkarım benchmark'ı
Bu yapılandırmayı LLM Çıkarım Benchmark Gezgini'nde aç
| Model | GLM-5.3-Flash |
|---|---|
| Parametre | 321B |
| Zekâ Endeksi | 41.8 |
| Agentic Endeksi | 50.9 |
| Cihaz | 2× DGX Spark |
| Kuantizasyon | NVFP4 |
| Maks C | 1 |
| Chat Kapasitesi | 2 |
| Agentic Kapasitesi | 1 |
| TP | 2 |
| DP | — |
| PP | — |
| Inference Engine | vLLM |
| Spekülatif Kod Çözme | — |
| C | TTFT (ms) | TPS (tok/s) | Durum |
|---|---|---|---|
| 1 | 395 | 24.34 | PASS |
| 2 | 575 | 17.66 | FAIL |
| 4 | 765 | 13.58 | FAIL |
| 8 | 4300 | 8.94 | FAIL |
| 16 | 18900 | 4.51 | FAIL |
OpenZeka'nın ölçümünde, 2× DGX Spark üzerinde vLLM ile NVFP4 formatında sunulan GLM-5.3-Flash (321B parametre, TP=2), tek istekte istek başına 24,3 tok/s üretim hızına ve 395 ms ilk token süresine (TTFT) ulaştı.
Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, tahmini kapasite chat kullanımı için 2, agentic kullanım için 1 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: Model: LibertAIDAI/GLM-5.3-Flash-NVFP4. Docker: radixark/vllm-glm53-flash:sm121-v8
Zekâ Endeksi ve Agentic Endeksi değerleri Artificial Analysis tarafından yayımlanmıştır ve kaynak belirtilerek burada aktarılmıştır.
OpenZeka'nın ölçümünde, 2× DGX Spark üzerinde vLLM ile NVFP4 formatında sunulan GLM-5.3-Flash (321B parametre, TP=2), tek istekte istek başına 24,3 tok/s üretim hızına ve 395 ms ilk token süresine (TTFT) ulaştı.
Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, tahmini kapasite chat kullanımı için 2, agentic kullanım için 1 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.