---
type: "Article"
title: "GLM-5.3-Flash NVFP4 mit vLLM auf 2× DGX Spark (128k Kontext, mit DFlash2)"
description: "GLM-5.3-Flash NVFP4 mit vLLM auf 2× DGX Spark (128k Kontext, mit DFlash2): Rezept von Weschera mit Tempo, Bedingung und Quelle je Zahl, Gewichten und Lizenz."
resource: "https://www.contextstudios.ai/de/lokale-ki/weschera--glm53-flash-nvfp4-nvidia-dflash2-k7-2x-dgx-spark"
language: "de"
generated:
  by: "process:contextstudios-md/1"
  at: "2026-10-02T23:08:09.473Z"
status: "stable"
---

# 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).

- Kreator: [Weschera](https://www.contextstudios.ai/de/lokale-ki/kreatoren/weschera.md)
- Engine: vLLM
- Quantisierung: NVFP4 (Marlin W4A16); FP8 E4M3 KV (6 GiB-Pin)
- Modellfamilie: GLM-5.3-Flash
- Hardware: dgx-spark x2
- Kontext: 131072

## Alle Zahlen

- 20,5 tok/s (Alltag; Alltag, 1 Anfrage, Prosa-Prompt, ohne Spekulation) — [source](https://github.com/Weschera/GLM-5.3-Flash-NVIDIA-NVFP4-2x-DGX-Spark/blob/main/README.md)
- decode_tps: 20.5 (1 Anfrage) — [source](https://github.com/Weschera/GLM-5.3-Flash-NVIDIA-NVFP4-2x-DGX-Spark/blob/main/README.md)
- decode_tps: 20.5 (1 Anfrage) — [source](https://github.com/Weschera/GLM-5.3-Flash-NVIDIA-NVFP4-2x-DGX-Spark/blob/main/README.md)

## Gewichte

- [nvidia/GLM-5.3-Flash-NVFP4](https://huggingface.co/nvidia/GLM-5.3-Flash-NVFP4) (main, mit)
- [incoai/GLM-5.3-Flash-DFlash2](https://huggingface.co/incoai/GLM-5.3-Flash-DFlash2) (draft, cc-by-nc-nd-4.0)

[https://github.com/Weschera/GLM-5.3-Flash-NVIDIA-NVFP4-2x-DGX-Spark](https://github.com/Weschera/GLM-5.3-Flash-NVIDIA-NVFP4-2x-DGX-Spark)

## Related

- [Lokale KI auf Ihrer Hardware.](https://www.contextstudios.ai/de/lokale-ki.md)