待验证60% 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
2
来源数
60%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
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% 相似待验证基于MLX框架，顶配Mac机型运行Llama-3-70B量化模型可达约20 tokens/秒的生成速度74% 相似待验证在对照测试中，35B模型速度约100 tokens/秒（Mac Studio），是9B模型16 tokens/秒的约五倍74% 相似待验证以 Llama-3 70B 为例，在 A100 80GB GPU 上处理 32K token 的预填充阶段约需 800-1200ms，而处理 2K token 仅需约 50ms72% 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)