4× RTX PRO 6000
235tok/sAlltag
1 Anfrage, Prosa-Prompt, Kontext 19, mit DSpark (laut Rezept) Quelle
Intelligenz34mit Denken
- Eigener Kernel nötig
Lokale KI · Rezept · 4× RTX PRO 6000
GLM-5.1 478.4B NVFP4 mit SGLang auf 4× RTX PRO 6000
GLM-5.1 478.4B NVFP4 mit SGLang auf 4× RTX PRO 6000: 42,7 tok/s laut huggingface.co (Datensatz-Stand: 3. Nov. 2026).
von 0xSero
Engine
- Engine
- SGLang 0.5.10.post1
- Quantisierung
- NVFP4 (modelopt_fp4, group 16)
- Modellfamilie
- GLM-5.1
- Kontext
- 202.752
- Parameter
- 478.4B total / 42.7B active (REAP 160 Experten)
- Kreator
- 0xSero
- GitHub-Sterne
- 10
- Repo-Stand
- 30. Mai 2026
Messwerte
Alle belegten Werte dieses Rezepts, je mit Bedingung und Quelle. Balken im Verhältnis zum größten Wert der Gruppe.
Decode · 1 Anfrage
Was brauche ich
- Hardware
- 4 × NVIDIA RTX PRO 6000 Blackwell
- Gewichte
- Hauptgewicht0xSero/GLM-5.1-478B-NVFP4 MIT
- Basiszai-org/GLM-5.1 MIT
- Engine
- SGLang 0.5.10.post1
- Kontext
- 202.752 Token
Hinweise
Was vor dem Nachbauen wichtig ist.
- REAP-beschnitten
Quellen
Verwandte Rezepte
4× RTX PRO 6000
139tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP (laut Rezept) Quelle
Intelligenz18mit Denkenohne Denken 21
- Eigener Kernel nötig
4× RTX PRO 6000
81,7tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP Quelle
Intelligenz34mit Denkenohne Denken 22
- ≤ 3 bit: Quantisierung kann Qualität kosten
4× RTX PRO 6000
73,1tok/sAlltag
1 Anfrage, Prosa-Prompt, Kontext 32788, mit DSPARK Quelle
Intelligenz40mit Denkenohne Denken 25
4× RTX PRO 6000
70,7tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP Quelle
Intelligenz34mit Denkenohne Denken 22
- ≤ 3 bit: Quantisierung kann Qualität kosten
4× RTX PRO 6000
64tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP (laut Rezept) Quelle
Intelligenz34mit Denkenohne Denken 22
- ≤ 3 bit: Quantisierung kann Qualität kosten
- Eigener Kernel nötig
Lokale KI im eigenen Unternehmen?
Im Workshop klären wir, welche Modelle und welche Hardware zu Ihren Aufgaben passen, und bauen den ersten Agenten auf Ihrer Infrastruktur.