LLM Inference Benchmark Explorer

GLM-5 op DGX B300 — FP8, vLLM, TP4 inferentiebenchmark

Open deze configuratie in de LLM Inference Benchmark Explorer

ModelGLM-5
Parameters754B
Intelligence Index27.9
Agentic Index—
ApparaatDGX B300
KwantisatieFP8
Max C32+
Chatcapaciteit63
Agentische capaciteit15
TP4
DP—
PP—
EnginevLLM
Speculatieve decodering—
CTTFT (ms)TPS (tok/s)Status
16697.94PASS
29787.26PASS
411077.82PASS
846065.49PASS
1670350.43PASS
3239646.79PASS

In deze meting bereikte GLM-5 (754B parameters), aangeboden in FP8-formaat met vLLM op DGX B300 (TP=4), met één verzoek een generatiesnelheid van 97.9 tok/s per verzoek en een time to first token (TTFT) van 66 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.