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 EXL3 3.0 bpw mit vLLM auf 4× RTX PRO 6000 (500k Kontext, Text)
GLM-5.2 EXL3 3.0 bpw mit vLLM auf 4× RTX PRO 6000 (500k Kontext, Text): 104 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).
von jcartu
Intelligenz (Originalmodell) · Artificial Analysis34mit Denkenohne Denken 22
≤ 3 bit: Quantisierung kann Qualität kosten
Engine
- Engine
- vLLM
- Quantisierung
- EXL3/Trellis 3.0 bpw, nvfp4_ds_mla KV
- Modellfamilie
- GLM-5.2
- Kontext
- 512.000
- Kreator
- jcartu
- GitHub-Sterne
- 0
- Repo-Stand
- 28. Juli 2026
Messwerte
Alle belegten Werte dieses Rezepts, je mit Bedingung und Quelle. Balken im Verhältnis zum größten Wert der Gruppe.
Decode · 1 Anfrage
Prefill je Kontext
Was brauche ich
- Hardware
- 4 × NVIDIA RTX PRO 6000 Blackwell
- Gewichte
- Hauptgewichtbrandonmusic/GLM-5.2-EXL3-TR3-3.0bpw MIT
- Engine
- vLLM
- Kontext
- 512.000 Token
Hinweise
Was vor dem Nachbauen wichtig ist.
- ≤ 3 bit: Quantisierung kann Qualität kostenBei 3 bit und weniger kann das Modell spürbar schlechter antworten als das Original. Die Intelligenz-Zahl gilt für das Original.
Quellen
- github.com/jcartu/glm52-exl3-blackwell-inference-study/blob/main/ISSUE33_STUDY.md#full-sustained-decode-comparison
- github.com/jcartu/glm52-exl3-blackwell-inference-study/blob/main/ISSUE33_STUDY.md#final-production-versus-matched-stock
- github.com/jcartu/glm52-exl3-blackwell-inference-study
- github.com/jcartu/glm52-exl3-blackwell-inference-study/blob/main/ISSUE33_STUDY.md
- github.com/jcartu/glm52-exl3-blackwell-inference-study/blob/main/results/issue33-upgrade/production-final-dcp2-g9675-owner0-chunk1-pf64-sh16-ckv140k-b3072-max512k-inference-temp1.json
- github.com/jcartu/glm52-exl3-blackwell-inference-study/blob/main/configs/docker-compose.exl3-v20.yml
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
92,5tok/sGemischt
1 Anfrage, gemischtes Prompt-Set, mit MTP Quelle
Intelligenzkein unabhängiger Wert
4× DGX Spark
23,7tok/sGemischt
1 Anfrage, gemischtes Prompt-Set, mit MTP (laut Rezept) Quelle
Intelligenz34mit Denkenohne Denken 22
- Experimentell
- 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.