---
type: "Article"
title: "GLM-5.3-Flash NVFP4 mit vLLM auf 2× DGX Spark (128k Kontext, mit MTP)"
description: "GLM-5.3-Flash NVFP4 mit vLLM auf 2× DGX Spark (128k Kontext, mit MTP): 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-vcruz-mtp4-2x-dgx-spark"
language: "de"
generated:
  by: "process:contextstudios-md/1"
  at: "2026-10-02T07:33:50.315Z"
status: "stable"
---

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

GLM-5.3-Flash NVFP4 mit vLLM auf 2× DGX Spark (128k Kontext, mit MTP): 23 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 (vcruz305-Quant, BF16-MTP-Head, 49 Shards; quantization_config.ignore für Layer 45), KV fp8_e4m3
- Modellfamilie: GLM-5.3-Flash
- Hardware: dgx-spark x2
- Kontext: 131072

## Alle Zahlen

- 23 tok/s (Alltag; Alltag, 1 Anfrage, Prosa-Prompt, mit MTP4) — [source](https://github.com/Weschera/glm53-flash-2spark-tp2/blob/main/README.md)
- decode_tps: 23 (1 Anfrage) — [source](https://github.com/Weschera/glm53-flash-2spark-tp2/blob/main/README.md)
- decode_tps: 36.5 (1 Anfrage) — [source](https://github.com/Weschera/glm53-flash-2spark-tp2/blob/main/README.md)

## Gewichte

- [vcruz305/GLM-5.3-Flash-NVFP4](https://huggingface.co/vcruz305/GLM-5.3-Flash-NVFP4) (main, mit)

[https://github.com/Weschera/glm53-flash-2spark-tp2](https://github.com/Weschera/glm53-flash-2spark-tp2)

## Related

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