DE
Gespräch buchen

Lokale KI · Rezept · 2× DGX Spark

GLM-5.3-Flash 320B EXL3 4 bpw mit ExLlamaV3 auf 2× DGX Spark

von tonyd2wild

19,1tok/sAlltag

1 Anfrage, Prosa-Prompt, mit DFlash2 (laut Rezept)

Quelle: github.com
Intelligenz (Originalmodell) · Artificial Analysis42mit Denken
Anleitung im README Repo

Engine

Engine
ExLlamaV3 (via vLLM)
Quantisierung
EXL3 4bpw
Modellfamilie
GLM-5.3-Flash
Kontext
1.048.576
Parameter
320B MoE
Kreator
tonyd2wild
GitHub-Sterne
6
Repo-Stand
20. 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
2 × NVIDIA DGX Spark (GB10)
Gewichte
Engine
ExLlamaV3 (via vLLM)
Kontext
1.048.576 Token

Quellen

Verwandte Rezepte

1× DGX Spark

GLM-5.3-Flash EXL3 2.25 bpw mit vLLM auf 1× DGX Spark

von r0b0tlab

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

EXL3 2.25 bpw (Drafter EXL3 3.00 bpw)vLLM v0.30.0rc1 @ a00a3544b93eGewichte Repo Stand 25. Sept. 2026

Details

← 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