4× DGX Spark üzerinde GLM-5.3-Flash — FP8, SGLang, TP4, spekülatif kod çözme k=7 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 | 4× DGX Spark |
| Kuantizasyon | FP8 |
| Maks C | 2 |
| Chat Kapasitesi | 8 |
| Agentic Kapasitesi | 3 |
| TP | 4 |
| DP | — |
| PP | — |
| Inference Engine | SGLang |
| Spekülatif Kod Çözme | Evet |
| C | TTFT (ms) | TPS (tok/s) | Durum |
|---|---|---|---|
| 1 | 332 | 41.99 | PASS |
| 2 | 427 | 26.55 | PASS |
| 4 | 570 | 17.69 | FAIL |
| 8 | 1216 | 12.45 | FAIL |
OpenZeka'nın ölçümünde, 4× DGX Spark üzerinde SGLang ile FP8 formatında ve spekülatif kod çözmeyle sunulan GLM-5.3-Flash (321B parametre, TP=4), tek istekte istek başına 42 tok/s üretim hızına ve 332 ms ilk token süresine (TTFT) ulaştı.
Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, 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: DFlash speculative decoding k=7, 256K context (max_model_len 262144), SGLang. 1.3-1.4x the TPS of the vLLM run without speculative decoding at C1-C4. Model: zai-org/GLM-5.3-Flash (served locally as glm-5.3-flash)
Zekâ Endeksi ve Agentic Endeksi değerleri Artificial Analysis tarafından yayımlanmıştır ve kaynak belirtilerek burada aktarılmıştır.
OpenZeka'nın ölçümünde, 4× DGX Spark üzerinde SGLang ile FP8 formatında ve spekülatif kod çözmeyle sunulan GLM-5.3-Flash (321B parametre, TP=4), tek istekte istek başına 42 tok/s üretim hızına ve 332 ms ilk token süresine (TTFT) ulaştı.
Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, 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.