2× DGX Spark
36,1tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DFlash2 (laut Rezept) Quelle
Intelligenz42mit Denken
- ≤ 3 bit: Quantisierung kann Qualität kosten
- Eigener Kernel nötig
- Nicht kommerziell
- Lizenz ungeklärt
Lokale KI · Rezept · 4× RTX PRO 6000
GLM-5.3-Flash 320B-A18B NVFP4 mit vLLM auf 4× RTX PRO 6000
Engine
- Engine
- vLLM
- Quantisierung
- NVFP4 routed experts (QAD) + BF16 Rest, MXFP8 MTP-Experten; FP8 KV
- Modellfamilie
- GLM-5.3-Flash
- Kontext
- —
- Parameter
- 320B MoE / 18B active (lt. zai-org Model-Card)
- Kreator
- local-inference-lab
- GitHub-Sterne
- 3
- Repo-Stand
- 19. Sept. 2026
Messwerte
Alle belegten Werte dieses Rezepts, je mit Bedingung und Quelle. Balken im Verhältnis zum größten Wert der Gruppe.
Für dieses Rezept sind keine Messwerte mit Quelle belegt.
Was brauche ich
- Hardware
- 4 × NVIDIA RTX PRO 6000 Blackwell
- Gewichte
- Hauptgewichtlocal-inference-lab/GLM-5.3-Flash-NVFP4 MIT
- Draft-Modelllocal-inference-lab/GLM-5.3-Flash-DFlash2 Nicht kommerziell · CC-BY-NC-ND-4.0
- Basiszai-org/GLM-5.3-Flash-BF16 MIT
- Engine
- vLLM
Hinweise
Was vor dem Nachbauen wichtig ist.
- Experimentell
- Speicher übertaktet
- Eigener Kernel nötig
- Nicht kommerziell
Quellen
- github.com/local-inference-lab/rtx6kpro/blob/master/models/glm-5.3-flash.md#measured-performance
- huggingface.co/local-inference-lab/lil-catalog/blob/main/GLM-5.3-Flash-NVFP4/lil.yaml
- github.com/local-inference-lab/rtx6kpro/blob/master/models/glm-5.3-flash.md
- huggingface.co/local-inference-lab/GLM-5.3-Flash-NVFP4
Verwandte Rezepte
4× DGX Spark
34,1tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DFlash2 (laut Rezept) Quelle
Intelligenz42mit Denken
- Eigener Kernel nötig
- Nicht kommerziell
4× DGX Spark
31,5tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DFlash2 (laut Rezept) Quelle
Intelligenz42mit Denken
- Eigener Kernel nötig
- Nicht kommerziell
1× DGX Spark
19,5tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DFlash2 (laut Rezept) Quelle
Intelligenz42mit DenkenWert des Originalmodells. Stark komprimiert (~2,3 Bit), Intelligenz dürfte deutlich niedriger liegen.
- ≤ 3 bit: Quantisierung kann Qualität kosten
- Experimentell
- Eigener Kernel nötig
- Nicht kommerziell
2× DGX Spark
19,1tok/sAlltag
1 Anfrage, Prosa-Prompt, mit DFlash2 (laut Rezept) Quelle
Intelligenz42mit Denken
- Nicht kommerziell
- Lizenz ungeklärt
2× RTX 3090
18,1tok/sAlltag
1 Anfrage, Prosa-Prompt, ohne Spekulation Quelle
Intelligenz42mit Denken
- ≤ 3 bit: Quantisierung kann Qualität kosten
- Teils im Arbeitsspeicher
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.