【🔥爽了】GPT6-Astra把我本地部署的GLM5.3Flash速度提高了50%！

宙方 · 2026-09-05T14:27:00+08:00

前几天刚买了两台 DGXSpark然后部署GLM5.3Flash，目前社区里面效果最好、速度最快（相对）的方案是Mia-lab的MiaAI-Lab/GLM-5.3-Flash-EXL3-2x-DGX-Sparks: GLM-5.3 Flash EXL3 for 2x DGX Sparks但是它prose decode只有27tps左右结构化代码会提高在真实harness上下文中实际速度甚至只有24-30波动，还是偏慢了。然后让Astra直接帮我定制化内核，在不损失精度的情况下优化解码速度，/goal 进一步优化Decode速度，从推理引擎、spark专属内核、GLM5.3flash特性、双机数据交换等方面入手，善用GitHub、huggingface、context7等互联网手段，专为该模型优化。然后本地部署在DSH 实测相当可用了在超过300k上下文仍然超过30tps，已经跟API速度差不多了。 ^-^

112

宙方2026-09-05
40373
前几天刚买了两台 DGXSpark
然后部署GLM5.3Flash，目前社区里面效果最好、速度最快（相对）的方案是
Mia-lab的
MiaAI-Lab/GLM-5.3-Flash-EXL3-2x-DGX-Sparks: GLM-5.3 Flash EXL3 for 2x DGX Sparks
但是它prose decode只有27tps左右结构化代码会提高在真实harness上下文中实际速度甚至只有24-30波动，还是偏慢了。
然后让Astra直接帮我定制化内核，在不损失精度的情况下优化解码速度，
/goal 进一步优化Decode速度，从推理引擎、spark专属内核、GLM5.3flash特性、双机数据交换等方面入手，善用GitHub、huggingface、context7等互联网手段，专为该模型优化。
然后
本地部署在DSH 实测
相当可用了在超过300k上下文仍然超过30tps，已经跟API速度差不多了。 ^-^
主楼
wayned2026-09-05
5892
强啊，本地部署 ds4f，和 5.3f 比怎么样？
#1
宙方2026-09-05
40373
我感觉5.3f要更强，而且dv4fv由于视觉能力的预测解码草稿模型这些还没训练得很好，速度快不了多少。
#2
AnimalCollective2026-09-05
30135
本地部署是不是做逆向啥的完全没限制啊
#3
宙方2026-09-05
40373
有破甲版本完全无限制
#4
nikaidouyui2026-09-05
45132
这个是量化版本吧和官方api有多少性能损失?
#5
Jack2026-09-05
7963
卧槽，涨见识了。两个小主机查了下，三万多一台。佬，方便说下俩小机器能帮你做哪些事。学习下。
#6
宙方2026-09-05
40373
专门选择的EXL3 4btw量化格式损失极小
#7
nikaidouyui2026-09-05
45132
那就是7w左右就能私有化部署glm5.3flash做到官方的能力?? ^-^ 这么便宜?
#8
宙方2026-09-05
40373
就部署dv4f qwen3.8f glm5.3f呗
然后可以跑强化学习之类的我自己也在搞机器人
#9
宙方2026-09-05
40373
但是只能单并发
#10
chinajojo2026-09-05
17635
最好四台，英伟达的dgx spark最多可以四台互联组成计算，把四台拉满最好
#11
AnimalCollective2026-09-05
30135
8 张 RTX 3090（总显存 192 GB）、376 GB 内存、72 线程 CPU
请教下佬，我这边有个这样的服务器资源可以使用，能部署5.3flash顺畅使用吗，Qwen3.8 27b是不是不如5.3flash
#12

发表回复

登录后回复