LLM Çıkarım Benchmark Gezgini

DGX B300 üzerinde GLM-5.3-Flash — FP8, SGLang, TP4 çıkarım benchmark'ı

Bu yapılandırmayı LLM Çıkarım Benchmark Gezgini'nde aç

ModelGLM-5.3-Flash
Parametre321B
Zekâ Endeksi41.8
Agentic Endeksi50.9
CihazDGX B300
KuantizasyonFP8
Maks C32
Chat Kapasitesi128
Agentic Kapasitesi48
TP4
DP—
PP—
Inference EngineSGLang
Spekülatif Kod Çözme—
CTTFT (ms)TPS (tok/s)Durum
1292245.10PASS
2323157.48PASS
4338107.07PASS
845857.02PASS
16296636.38FAIL
3254232.74PASS
64201225.66FAIL

OpenZeka'nın ölçümünde, DGX B300 üzerinde SGLang ile FP8 formatında sunulan GLM-5.3-Flash (321B parametre, TP=4), tek istekte istek başına 245,1 tok/s üretim hızına ve 292 ms ilk token süresine (TTFT) ulaştı.

Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, tahmini kapasite chat kullanımı için 128, agentic kullanım için 48 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.

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