返回搜索结果
GLM-5.3-Flash · IQ3_S
NVIDIA RTX 509032GBSGLang 0.4.4L0 自报
本页汇总 GLM-5.3-Flash（IQ3_S）在 NVIDIA RTX 5090 上以 SGLang 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。
11.3 tok/s
Decode
解码速度
84.8 tok/s
Prefill
预填充速度
1.18 s
TTFT
首 token 延迟
32 GB
VRAM
显存占用
L0 自报
1
实测次数
1
独立来源
其他
来源平台
今天
最后验证
性能表现
- SGLang · IQ3_S （当前）Decode 11.3 · Prefill 84.8 ·
核心数据
- Decode（平均）
- 11.3 tok/s
- Prefill（平均）
- 84.8 tok/s
- TTFT（平均）
- 1.18 s
- VRAM（平均）
- 32 GB
- MTP 接受率
- —
- 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
- IQ3_S
- 框架
- SGLang
- 版本
- 0.4.4
- 上下文长度
- 4096 tokens
- 批次大小
- 512
- GPU 层数
- 99
- Flash Attention
- 开启
硬件信息
标称与实测并排陈列，能否运行由读者自判
- GPU
- NVIDIA RTX 5090
- 标称显存
- 32 GB
- 实测显存（均值）
- 32 GB
- 系统
- Linux
- 驱动
- 570.65
- CUDA
- 12.6
获取与上手
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
0.4.4 · Linux · CUDA 12.6 · 4096 ctx
11.3 tok/s
Decode
84.8 tok/s
Prefill
1.18 s
TTFT
32 GB
VRAM
—
MTP
— W
功耗
L0 理论估算：基于显存带宽 ÷ 模型体积公式，结合框架实测效率因子校准