开源
DeepSeek V4 Flash 与 GLM 5.3 Flash 双卡 DGX Spark 实测对比
用户在 2 张 DGX Spark 上对比 DeepSeek V4 Flash 0731 与 GLM 5.3 Flash…
2026.08.30 · 周日约 4 分钟阅读
Reddit 用户 serige 在双 NVIDIA DGX Spark（GB10 Grace Blackwell，统一内存）平台上，对 DeepSeek V4 Flash 0731 与 GLM 5.3 Flash 两款开源权重模型进行了 HumanEval 编程基准实测。结果显示，搭载 NVFP4 量化的 GLM 5.3 Flash 在开启高强度思考模式时，HumanEval Pass@1 达到 97%，略高于 DeepSeek 同模式的 94.5%，但代价是上下文窗口收窄至 256k。
测试配置
- 硬件平台：2 张 NVIDIA DGX Spark（GB10，每张 128GB 统一内存）
- DeepSeek V4 Flash 0731：官方检查点，FP8 KV cache，1M 上下文，4 路并发
- GLM 5.3 Flash：NVFP4 量化，FP8 E4M3 KV cache，256k 上下文，6 路并发
两模型均测试两种推理模式：高强度「思考模式」与关闭思考的「直接零样本」。
核心成绩
- GLM 5.3 Flash（NVFP4 + 思考模式高）：HumanEval Pass@1 为 97.0%（159/164），HumanEval+ 92.1%（151/164），测试用时 20 分 52 秒，生成速度约 50 tok/s（DFlash2 解码）
- DeepSeek V4 Flash 0731（思考模式高）：HumanEval Pass@1 94.5%（155/164），HumanEval+ 88.4%（145/164），用时 38 分 16 秒，生成速度约 70 tok/s（推测解码 MTP-5）
- GLM 5.3 Flash（直接零样本）：HumanEval 93.3%（153/164），HumanEval+ 89.6%（147/164），用时 23 分 32 秒
- DeepSeek V4 Flash 0731（直接零样本）：HumanEval 92.7%（152/164），HumanEval+ 87.8%（144/164），用时仅 14 分 52 秒
关键观察
- 思考模式下 GLM 5.3 Flash 的 raw 分数优于 DeepSeek V4 Flash 0731；97% 的 Pass@1 在不久之前还属 SOTA 水平，且当前并非最高思考档位
- 量化损失有限：作者引用此前 Unsloth 公布的 Q4 量化准确率约 92%，NVFP4 此次跑出 97%，明显更优
- 主要权衡是上下文长度：DeepSeek 支持 1M，GLM 仅 256k；显存达 512GB 以上（即 4 卡 Spark）用户可运行 GLM 的 FP8 全精度版本以恢复长上下文
- 生成速度差异：DeepSeek 的 MTP-5 推测解码比 GLM 的 DFlash2 快约 40%，直接零样本模式下用时差距最为悬殊
结论与提醒
作者在结尾强调，基准测试只是参考，硬件配置、量化方案与工程优化都会显著影响实际推理体验，建议读者结合自身硬件与负载自行复现验证。该帖子面向正在纠结 2x DGX Spark 该跑哪款模型的本地部署用户，社区反馈显示不少人在 NVFP4 上对 GLM 持保留意见，本次数据则给出了相对积极的实测结果。