DE
Gespräch buchen

Lokale KI · Rezept · 4× RTX PRO 6000

GLM-5.2 504B NVFP4 mit vLLM auf 4× RTX PRO 6000

GLM-5.2 504B NVFP4 mit vLLM auf 4× RTX PRO 6000: 92,5 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).

von jcartu

92,5tok/sGemischt

1 Anfrage, gemischtes Prompt-Set, mit MTP

Quelle: github.com
Intelligenz (Originalmodell) · Artificial Analysiskein unabhängiger Wert
Anleitung im README Repo

Engine

Engine
vLLM
Quantisierung
NVFP4 (modelopt) Experten, BF16 Router/Attention, FP8 KV
Modellfamilie
GLM-5.2
Kontext
262.144
Parameter
504B
Kreator
jcartu
GitHub-Sterne
3
Repo-Stand
21. Juni 2026

Messwerte

Alle belegten Werte dieses Rezepts, je mit Bedingung und Quelle. Balken im Verhältnis zum größten Wert der Gruppe.

Decode · 1 Anfrage

  • Gemischt (Decode)92,5 tok/sKontext 0 · Llm-inference-bench, 30 s/Zelle, max_tokens 2048, aggregate tok/s; Kontext-Label 0k; MTP=5 (Autor: ~4.0–4.6 akzeptierte Token/Schritt) Quelle 
  • Spitze (Decode)92,5 tok/sKontext 0 · Llm-inference-bench, 30 s/Zelle, max_tokens 2048, aggregate tok/s; Kontext-Label 0k; MTP=5 (Autor: ~4.0–4.6 akzeptierte Token/Schritt) Quelle 

Prefill je Kontext

  • 15.8K1.201 tok/sPrefill-Scout 16228 Token, TTFT 13.509 s Quelle 

Was brauche ich

Hardware
4 × NVIDIA RTX PRO 6000 Blackwell
Gewichte
Engine
vLLM
Kontext
262.144 Token

Hinweise

Was vor dem Nachbauen wichtig ist.

  • REAP-beschnitten

Quellen

Verwandte Rezepte

← Zur Übersicht

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.

Zum KI-WorkshopZur Übersicht
Cookies

Mit Ihrer Einwilligung nutzen wir Google Analytics (Google, USA) und unsere eigene Reichweitenmessung, um zu verstehen, wie unsere Website genutzt wird. Technisch notwendige Speicherungen, etwa Ihre Cookie-Auswahl, erfolgen ohne Einwilligung. Ihre Wahl können Sie jederzeit über „Cookie-Einstellungen“ im Footer ändern. Datenschutzerklärung · Cookie-Richtlinie