GLM-5.3-Flash 实测：4机DGX跑出45 tok/s吞吐
AccBalanced · x · 2026-09-01
技术专家 Alex Ellis 公开了在 4 台 NVIDIA DGX Spark 上运行 GLM-5.3-Flash (NVFP4) 的完整配方。通过无交换机 RoCE 环网和 DFlash2 推测性起草器，实现了张量并行（TP4）部署，在 262K 上下文窗口下，真实 Agent 流量实测吞吐约 45 tok/s。该方案完全基于自有硬件，不依赖私有网关，且架构通用，已验证支持 GLM-5.2 和 DeepSeek-V4-Flash。
「Infra」频道最新
- 同样 1000 个 Cloudflare Durable Objects，月成本从 4050 美元压到 22 美元 — threepointone · 2026-10-16
- NVIDIA 发布 Qwen3.8-Flash FP4 量化版，主打本地部署 — nvidia · 2026-10-16
- 百度提出 Virtual Head Attention：同时压 KV cache、算力并保质量 — baidu · 2026-10-16
- DuoDiscover 让 Agent 自建快速评估代理，TPU 内核提速 2.68 倍 — berkeley_ai · 2026-10-16
- Google 将 2026 年资本开支上调至最高 2050 亿美元 — emmanuelvivier · 2026-10-16
- Google 开源 AX:像 Kubernetes 一样编排数十亿 Agent 任务 — thisdudelikesAI · 2026-10-16