LLM Inference Benchmark Explorer

GLM-4.6 op DGX B300 — BF16, vLLM, TP4 inferentiebenchmark

Open deze configuratie in de LLM Inference Benchmark Explorer

ModelGLM-4.6
Parameters357B
Intelligence Index18.5
Agentic Index—
ApparaatDGX B300
KwantisatieBF16
Max C32+
Chatcapaciteit87
Agentische capaciteit21
TP4
DP—
PP—
EnginevLLM
Speculatieve decodering—
CTTFT (ms)TPS (tok/s)Status
127568.54PASS
227062.75PASS
429958.02PASS
836053.85PASS
1637147.77PASS
3237237.68PASS

In deze meting bereikte GLM-4.6 (357B parameters), aangeboden in BF16-formaat met vLLM op DGX B300 (TP=4), met één verzoek een generatiesnelheid van 68.5 tok/s per verzoek en een time to first token (TTFT) van 275 ms.

Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 87 gebruikers voor chatgebruik en 21 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.