DE
Gespräch buchen

Lokale KI · Rezept · 2× DGX Spark

GLM-5.3-Flash NVFP4 mit vLLM auf 2× DGX Spark (128k Kontext, mit DFlash2)

GLM-5.3-Flash NVFP4 mit vLLM auf 2× DGX Spark (128k Kontext, mit DFlash2): 20,5 tok/s laut github.com (Datensatz-Stand: 29. Sept. 2026).

von Weschera

20,5tok/sAlltag

1 Anfrage, Prosa-Prompt, ohne Spekulation

Quelle: github.com
Intelligenz (Originalmodell) · Artificial Analysiskein unabhängiger Wert
Anleitung im README Repo

Engine

Engine
vLLM
Quantisierung
NVFP4 (Marlin W4A16); FP8 E4M3 KV (6 GiB-Pin)
Modellfamilie
GLM-5.3-Flash
Kontext
131.072
Kreator
Weschera
GitHub-Sterne
0
Repo-Stand
10. Sept. 2026

Messwerte

Alle belegten Werte dieses Rezepts, je mit Bedingung und Quelle. Balken im Verhältnis zum größten Wert der Gruppe.

Decode · 1 Anfrage

  • Alltag (Decode)20,5 tok/sMedian aus 4 sustained Requests je Arm (2 EN-Tutorials, 2 KO-Essays, c=1); DFlash2 k=7 SELECTED (Code-Contract bestanden, 2 strikte Format-Fails); Baseline ohne Spec 15.18 (+35 %) Quelle 
  • Spitze (Decode)20,5 tok/sMedian aus 4 sustained Requests je Arm (2 EN-Tutorials, 2 KO-Essays, c=1); DFlash2 k=7 SELECTED (Code-Contract bestanden, 2 strikte Format-Fails); Baseline ohne Spec 15.18 (+35 %) Quelle 

Was brauche ich

Hardware
2 × NVIDIA DGX Spark (GB10)
Gewichte
Engine
vLLM
Kontext
131.072 Token

Quellen

Verwandte Rezepte

2× DGX Spark

GLM-5.3-Flash EXL3 mit TensorFold auf 2× DGX Spark (1M Kontext, 4 Streams)

von MiaAI-Lab

97,6tok/sAlltag

HumanEval 97,6 % / GSM8K 98,0 % mit FP8-KV und 4-bit dense Quelle 

Intelligenz42mit Denken
  • ≤ 3 bit: Quantisierung kann Qualität kosten
  • Eigener Kernel nötig
  • Nicht kommerziell
  • Lizenz ungeklärt

EXL3/TR3 4bpw routed experts + 4-bit dense, BF16 elsewhere, FP8 KVTensorFold v0.5.0 (52 patches: DFlash2+copy drafts, 4-bit dense, FP8 KV, RoCE one-shot all-gather, shared KV pool, vision, tool calling)Gewichte Repo Stand 30. 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