DE
Gespräch buchen

Lokale KI · Rezept · 4× DGX Spark

GLM-5.2 744B NVFP4 mit vLLM auf 4× DGX Spark

GLM-5.2 744B NVFP4 mit vLLM auf 4× DGX Spark: 23,7 tok/s laut github.com (Datensatz-Stand: 3. Nov. 2026).

von tonyd2wild

23,7tok/sGemischt

1 Anfrage, gemischtes Prompt-Set, mit MTP (laut Rezept)

Quelle: github.com
Intelligenz (Originalmodell) · Artificial Analysis34mit Denkenohne Denken 22
Anleitung im README Repo

Engine

Engine
vLLM 0.23.1 (pin ab666069)
Quantisierung
Int4/Int8Mix (QuantTrio) weights + NVFP4 KV (nvfp4_ds_mla, 400 B/token)
Modellfamilie
GLM-5.2
Kontext
316.000
Parameter
744B MoE (lt. Repo-Beschreibung)
Kreator
tonyd2wild
GitHub-Sterne
14
Repo-Stand
19. Aug. 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)23,7 tok/sMixed/everyday c1, Mittel aus 5 @ temp 0.7, 512 tok; engine-logged 24.0; accept len 3.16 Quelle 
  • Spitze (Decode)42,5 tok/sPeak c1, MTP-freundlicher Inhalt, temp 0, client wall, 900 tok; 3 Läufe 42.5/42.4/42.6; accept len 5.93–6.00 Quelle 

Prefill je Kontext

Was brauche ich

Hardware
4 × NVIDIA DGX Spark (GB10)
Engine
vLLM 0.23.1 (pin ab666069)
Kontext
316.000 Token

Hinweise

Was vor dem Nachbauen wichtig ist.

  • Experimentell
  • Eigener Kernel nötig

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