返回搜索结果
GLM-5.3-Flash · UD-IQ4_XS
2x NVIDIA RTX 509064GBllama.cpp moecachev1.6-rc0L0 自报
本页汇总 GLM-5.3-Flash（UD-IQ4_XS）在 2x NVIDIA RTX 5090 上以 llama.cpp 运行的 1 次实测数据，来自 1 个独立来源平台；指标为已上架实测的均值。
21.96 tok/s
Decode
解码速度
421.07 tok/s
Prefill
预填充速度
0.6 s
TTFT
首 token 延迟
60.3 GB
VRAM
显存占用
L0 自报
1
实测次数
1
独立来源
GitHub
来源平台
今天
最后验证
性能表现
- llama.cpp · UD-IQ4_XS （当前）Decode 21.96 · Prefill 421.07 ·
核心数据
- Decode（平均）
- 21.96 tok/s
- Prefill（平均）
- 421.07 tok/s
- TTFT（平均）
- 0.6 s
- VRAM（平均）
- 60.3 GB
- MTP 接受率
- 0.64
- TTFB
- — GB
- 功耗
- — W
基础配置
成员级字段取自最近一次实测
- 模型
- GLM-5.3-Flash
- 量化方式
- UD-IQ4_XS
- 框架
- llama.cpp
- 版本
- moecachev1.6-rc0
- 上下文长度
- 204800 tokens
- 批次大小
- 2048
- GPU 层数
- 99
硬件信息
标称与实测并排陈列，能否运行由读者自判
- GPU
- 2x NVIDIA RTX 5090
- 标称显存
- 64 GB
- 实测显存（均值）
- 60.3 GB
- 系统
- Ubuntu 24.04.4 LTS
- 驱动
- 610.57.04
- CUDA
- 13.3
获取与上手
启动命令
最近一次实测使用的命令model=/models/glm-5.3-flash-gguf/UD-IQ4_XS/GLM-5.3-Flash-UD-IQ4_XS-00001-of-00005.gguf offload=blk\.[0-9]+\.ffn_(gate|up|down)_exps\.weight=CPU ubatch=2048 ngl=99 split=1,1来源与证据
共 1 条实测记录，逐条可回溯到原始出处
moecachev1.6-rc0 · Ubuntu 24.04.4 LTS · CUDA 13.3 · 204800 ctx
21.96 tok/s
Decode
421.07 tok/s
Prefill
0.6 s
TTFT
60.3 GB
VRAM
0.64
MTP
— W
功耗
[bench] narrative run 1/5: 1000 tok in 47.2s (21.42 decode TPS, ttft 514ms) [bench] narrative run 2/5: 1000 tok in 45.3s (22.41 decode TPS, ttft 630ms) [bench] narrative run 3/5: 1000 tok in 46.9s (21.55 decode TPS, ttft 538ms) [bench] narrative run 4/5: 1000 tok in 47.3s (21.49 decode TPS, ttft 747ms) [bench] narrative run 5/5: 1000 tok in 44.2s (22.93 decode TPS, ttft 550ms) [bench] prompt-processing run 1/1: 9989 prompt tok, 421.1 PP tok/s, ttft 23723ms