LLM Inference Benchmark Explorer

GLM-5.3-Flash op DGX B300 — FP8, SGLang, TP4 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 C32
Chatcapaciteit128
Agentische capaciteit48
TP4
DP—
PP—
EngineSGLang
Speculatieve decodering—
CTTFT (ms)TPS (tok/s)Status
1292245.10PASS
2323157.48PASS
4338107.07PASS
845857.02PASS
16296636.38FAIL
3254232.74PASS
64201225.66FAIL

In deze meting bereikte GLM-5.3-Flash (321B parameters), aangeboden in FP8-formaat met SGLang op DGX B300 (TP=4), met één verzoek een generatiesnelheid van 245.1 tok/s per verzoek en een time to first token (TTFT) van 292 ms.

Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 128 gebruikers voor chatgebruik en 48 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.