4× RTX PRO 6000
81,7tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP Quelle
Intelligenz34mit Denkenohne Denken 22
- ≤ 3 bit: Quantisierung kann Qualität kosten
Lokale KI · Rezept · 4× RTX PRO 6000
GLM-5.2 526B NVFP4 mit vLLM auf 4× RTX PRO 6000
GLM-5.2 526B NVFP4 mit vLLM auf 4× RTX PRO 6000: 77 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).
von 0xSero
Engine
- Engine
- vLLM
- Quantisierung
- NVFP4 routed experts, FP8 KV
- Modellfamilie
- GLM-5.2
- Kontext
- 262.144
- Parameter
- ~526B, 108–216 experts/Layer (avg 176/256)
- Kreator
- 0xSero
- GitHub-Sterne
- 3
- Repo-Stand
- 16. Aug. 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-5.2-REAP-NU176-526B MIT
- Basisnvidia/GLM-5.2-NVFP4 MIT
- Engine
- vLLM
- Kontext
- 262.144 Token
Hinweise
Was vor dem Nachbauen wichtig ist.
- REAP-beschnitten
- Eigener Kernel nötig
Quellen
Verwandte Rezepte
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
4× RTX PRO 6000
58,5tok/sAlltag
1 Anfrage, Prosa-Prompt, mit MTP (laut Rezept) Quelle
Intelligenzkein unabhängiger Wert
- Eigener Kernel nötig
4× RTX PRO 6000
104tok/sGemischt
1 Anfrage, gemischtes Prompt-Set, mit MTP (laut Rezept) Quelle
Intelligenz34mit Denkenohne Denken 22
- ≤ 3 bit: Quantisierung kann Qualität kosten
4× RTX PRO 6000
92,5tok/sGemischt
1 Anfrage, gemischtes Prompt-Set, mit MTP Quelle
Intelligenzkein unabhängiger Wert
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.