LLM Inference Benchmark Explorer

GLM-5.3-Flash op DGX B300 — FP8, SGLang, TP2 inferentiebenchmark

Open deze configuratie in de LLM Inference Benchmark Explorer

ModelGLM-5.3-Flash
Parameters321B
Intelligence Index41.8
Agentic Index50.9
ApparaatDGX B300
KwantisatieFP8
Max C8
Chatcapaciteit32
Agentische capaciteit12
TP2
DP—
PP—
EngineSGLang
Speculatieve decodering—
CTTFT (ms)TPS (tok/s)Status
1262211.42PASS
2687102.56PASS
435390.33PASS
841059.70PASS
16195439.75FAIL
32425120.93FAIL
64451122.43FAIL

In deze meting bereikte GLM-5.3-Flash (321B parameters), aangeboden in FP8-formaat met SGLang op DGX B300 (TP=2), met één verzoek een generatiesnelheid van 211.4 tok/s per verzoek en een time to first token (TTFT) van 262 ms.

Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 32 gebruikers voor chatgebruik en 12 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.