Z.ai (Zhipu)
GLM-4.5-Air
Performancebenchmark · gemessen am 23.07.2026 04:31
Benchmark-ID
run-20260723-045450-a75a33Timebench 3 - Kombi (Prefill + Generation)MoE106BRuntime: llama.cppQuantisierung: Q4_K_M
⚠
Konfigurations-Hinweis: Es sind 3 Grafikkarten installiert, aber nur 1 wurde fuer diesen Lauf genutzt. Mit allen 3 GPUs koennte der Durchsatz deutlich hoeher liegen.
Generation104,08tok/s
Prefill2.674,43tok/s
Time to First Token8.272,00ms
Gesamtdauer47,68s
Concurrency10parallel
Einordnung im Feld
61von 246 Systemen
Performancebenchmark · Leitmetrik: Generation-Speed (tok/s)
Dieser Lauf ist besser als 76 % aller vergleichbaren Systeme.
Generation
104,1 tok/s
+7 % vs Ø 97,1
Prefill
2.674,4 tok/s
-23 % vs Ø 3.494,7
Time to First Token
8.272 ms
-53 % vs Ø 17.581
Verteilung im Feld0 – 1.295 tok/s
Wie schlägt sich dieser Benchmark?
gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260723-045447-edeed3
1.295,3 tok/s
Qwen3-Coder-30B-A3B-InstructNVIDIA GeForce RTX 5090 · run-20260723-045450-366dae
966,2 tok/s
Qwen3-30B-A3B-Instruct-2507NVIDIA GeForce RTX 5090 · run-20260723-045450-e8df4d
909,3 tok/s
Qwen3-30B-A3B-Thinking-2507NVIDIA GeForce RTX 5090 · run-20260723-045450-14f178
873,7 tok/s
gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260723-045447-5656a1
784,5 tok/s
Qwen3-Coder-30B-A3B-InstructNVIDIA GeForce RTX 5090 · run-20260723-045450-4162ec
688,6 tok/s
Qwen3-30B-A3B-Instruct-2507NVIDIA GeForce RTX 5090 · run-20260723-045448-81246f
655,8 tok/s
Qwen3-30B-A3B-Thinking-2507NVIDIA GeForce RTX 5090 · run-20260723-045450-1d48c8
633,4 tok/s
gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260723-023425-4d6891
340,5 tok/s
gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260723-023425-189e09
331,7 tok/s
North-Mini-Code-1.03× AMD Radeon AI PRO R9700 · run-20260723-023427-9af096
279,0 tok/s
NVIDIA-Nemotron-3-Nano-30B-A3B3× AMD Radeon AI PRO R9700 · run-20260723-031252-92db54
274,0 tok/s
Nemotron-Cascade-2-30B-A3B3× AMD Radeon AI PRO R9700 · run-20260723-031252-286996
270,4 tok/s
Nemotron-3-Nano-Omni-30B-A3B-Reasoning3× AMD Radeon AI PRO R9700 · run-20260723-031253-e2aa7d
268,7 tok/s
GLM-4.5-Air dieser Lauf3× AMD Radeon AI PRO R9700 · run-20260723-045450-a75a33
104,1 tok/s
Hardware
GPU: 3x AMD Radeon AI PRO R9700 · 32 GB VRAM
CPU: 32x AMD Ryzen Threadripper PRO 7955WX 16-Cores
RAM: 184 GB
Mainboard: ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE
Setup
Runtime: llama.cpp
Quantisierung: Q4_K_M
Betriebssystem: Ubuntu 26.04 LTS (Kernel 7.0.0-27-generic)
Modell: GLM-4.5-Air
Konfiguration
# LLM-Benchmark Konfiguration
# Modell : GLM-4.5-Air
# Engine : llama.cpp
# Run-ID : run-20260723-045450-a75a33
# GPU : 3x AMD Radeon AI PRO R9700
# CPU : 32x AMD Ryzen Threadripper PRO 7955WX 16-Cores
# RAM : 184 GB
bench@llm-benchmark:~$ /src/build/bin/llama-server \
-m /root/.cache/huggingface/hub/models--unsloth--GLM-4.5-Air-GGUF/snapshots/506d64aa8c5cfe9dbbf00bc7a15739438f83204d/Q4_K_M/GLM-4.5-Air-Q4_K_M-00001-of-00002.gguf \
-ngl 999 \
-c 26624 \
--parallel 12 \
-a GLM-4.5-Air \
-sm layer \
--host 0.0.0.0 \
--port 8000
| Engine | llamacpp |
| Modellalias | GLM-4.5-Air |
| Kontextlaenge | 26624 |
| Modellpfad | /root/.cache/huggingface/hub/models--unsloth--GLM-4.5-Air-GGUF/snapshots/506d64aa8c5cfe9dbbf00bc7a15739438f83204d/Q4_K_M/GLM-4.5-Air-Q4_K_M-00001-of-00002.gguf |
| GPU-Layer | 999 |
| Kontext | 26624 |
| Parallel | 12 |
| Alias | GLM-4.5-Air |
| Split-Mode | layer |