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× DGX Spark
GLM-5.2 744B-A40B INT4/INT8 mit vLLM auf 4× DGX Spark (640k Kontext)
GLM-5.2 744B-A40B INT4/INT8 mit vLLM auf 4× DGX Spark (640k Kontext): 23 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).
von tonyd2wild
Intelligenz (Originalmodell) · Artificial Analysis34mit Denkenohne Denken 22
Engine
- Engine
- vLLM
- Quantisierung
- Int4-Int8Mix + fp8_ds_mla KV
- Modellfamilie
- GLM-5.2
- Kontext
- 655.360
- Parameter
- 744B / 40B active
- Kreator
- tonyd2wild
- GitHub-Sterne
- 31
- Repo-Stand
- 25. 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 DGX Spark (GB10)
- Gewichte
- HauptgewichtQuantTrio/GLM-5.2-Int4-Int8Mix MIT
- Engine
- vLLM
- Kontext
- 655.360 Token
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.