已过期65% 置信事实精确时间
在4×RTX 3090 SXM4配置下，GLM-5.2量化版本的Token生成速度约为6.3-6.8 tokens/秒，提示评估速度约为10.6 tokens/秒
3
来源数
65%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
此条事实已过期，仅作历史留存，不再代表当前状态
有效期至：2026/9/30(已过期)
来源
4000美元4张RTX3090本地运行GLM-5.2全攻略
bilibili程序员-智能译站2026/6/24
相关事实
待验证该配置下35B模型实测单人最高速度约80 Tokens/秒，并发可达500 Tokens/秒以上77% 相似待验证运行Qwen3-Next-Flash（Autoround W4A16量化）时，预填充速度约1.3k tokens/s，生成速度达70 tokens/s（代码）/60 tokens/s（散文），支持128k+长上下文76% 相似待验证在预填充速度测试中，Halo约650 tokens/s，Spark约2000 tokens/s，Spark快了将近三倍75% 相似待验证本地部署DS4模型在STM32嵌入式开发测试中平均输出速度约为23 tokens/秒，推理时内存占用飙升至110GB，峰值速度达83.8 tokens/秒75% 相似待验证在M5 Ultra的1.2TB/s带宽下，100GB量化模型理论速度约12 token/s，200GB约6 token/s，300GB约4 token/s75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/40845API
curl https://kongchang.com/api/v1/knowledge/claims/40845MCP
get_claim(id=40845)