LLM Inference Benchmark Explorer

GLM-5.1 op DGX B300 — FP8, vLLM, TP4 inferentiebenchmark

Open deze configuratie in de LLM Inference Benchmark Explorer

ModelGLM-5.1
Parameters754B
Intelligence Index26.1
Agentic Index23.9
ApparaatDGX B300
KwantisatieFP8
Max C32
Chatcapaciteit63
Agentische capaciteit15
TP4
DP—
PP—
EnginevLLM
Speculatieve decodering—
CTTFT (ms)TPS (tok/s)Status
1453130.04PASS
249691.58PASS
456470.62PASS
859562.97PASS
1661442.25PASS
3290341.15PASS
64184443.08FAIL

In deze meting bereikte GLM-5.1 (754B parameters), aangeboden in FP8-formaat met vLLM op DGX B300 (TP=4), met één verzoek een generatiesnelheid van 130 tok/s per verzoek en een time to first token (TTFT) van 453 ms.

Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 63 gebruikers voor chatgebruik en 15 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.