LLM Inference Benchmark Explorer

GLM-4.5-Air op DGX B300 — BF16, vLLM, TP1 inferentiebenchmark

Open deze configuratie in de LLM Inference Benchmark Explorer

ModelGLM-4.5-Air
Parameters110B
Intelligence Index11.1
Agentic Index—
ApparaatDGX B300
KwantisatieBF16
Max C32+
Chatcapaciteit16
Agentische capaciteit4
TP—
DP—
PP—
EnginevLLM
Speculatieve decodering—
CTTFT (ms)TPS (tok/s)Status
162112.74PASS
24077.94PASS
44466.45PASS
85851.55PASS
1611639.90PASS
3237230.68PASS

In deze meting bereikte GLM-4.5-Air (110B parameters), aangeboden in BF16-formaat met vLLM op DGX B300, met één verzoek een generatiesnelheid van 112.7 tok/s per verzoek en een time to first token (TTFT) van 62 ms.

Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 16 gebruikers voor chatgebruik en 4 voor agentisch gebruik. De realistische capaciteit ligt waarschijnlijk tussen deze twee waarden. In scenario's waarin programmeren, toolgebruik, lange workflows en multi-agentgebruik overheersen, benadert de capaciteit de agentische schatting; waar kortere interacties, standaardgesprekken en lichtere taken overheersen, benadert zij de chatschatting.

De waarden van Intelligence Index en Agentic Index worden gepubliceerd door Artificial Analysis en worden hier met bronvermelding overgenomen.