LLM Inference Benchmark Explorer

GLM-4.7 op DGX B300 — NVFP4, vLLM, TP1 inferentiebenchmark

Open deze configuratie in de LLM Inference Benchmark Explorer

ModelGLM-4.7
Parameters358B
Intelligence Index22.2
Agentic Index—
ApparaatDGX B300
KwantisatieNVFP4
Max C32+
Chatcapaciteit21
Agentische capaciteit5
TP—
DP—
PP—
EnginevLLM
Speculatieve decodering—
CTTFT (ms)TPS (tok/s)Status
115769.49PASS
227362.89PASS
425655.77PASS
828646.49PASS
1632438.82PASS
3239331.94PASS

In deze meting bereikte GLM-4.7 (358B parameters), aangeboden in NVFP4-formaat met vLLM op DGX B300, met één verzoek een generatiesnelheid van 69.5 tok/s per verzoek en een time to first token (TTFT) van 157 ms.

Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 21 gebruikers voor chatgebruik en 5 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.