11.10.2026 · Modele · ~14 min czytania
DeepSeek V4 Flash, GLM 5.3 Flash czy Qwen3.8-Flash-Next? Trzy modele na klastrze 2× DGX Spark
Trzy najgłośniejsze otwarte modele końca sierpnia 2026 — DeepSeek V4 Flash, GLM 5.3 Flash i Qwen3.8-Flash-Next — uruchomiliśmy na tym samym klastrze dwóch jednostek DGX Spark i zmierzyliśmy tą samą metodą, w warunkach pracy, z aplikacjami działającymi obok. To porównanie modeli nie jest rankingiem z benchmarków producentów, tylko naszym własnym LLM benchmarkiem: ile tokenów na sekundę, ile pamięci zostaje, co z długimi dokumentami i obrazami, na co pozwala licencja — i jakie ciche awarie wyszły przy uruchamianiu.
Każdy model ma osobną stronę z pełną konfiguracją i wynikami: DeepSeek V4 Flash, GLM 5.3 Flash i Qwen3.8-Flash-Next. Tu zestawiamy je obok siebie.
Krótko: który model do czego
Udostępnianie klientom · dokumenty
DeepSeek V4 Flash
MIT. Najszybciej wczytuje długie dokumenty (ok. 2 300 tok/s), najlepiej przetestowany na dokumentach i jako agent.
Użycie wewnętrzne · szybkość · obrazy
Qwen3.8-Flash-Next
Najszybszy start odpowiedzi, największy zapas pamięci, 150,7 tok/s łącznie przy 6 rozmowach. Przy udostępnianiu na zewnątrz — umowa z Qwen.
Kod i JSON · okno 1 mln
GLM 5.3 Flash
Na TensorFold najszybszy w kodzie i JSON-ie, okno 1 mln tokenów — ale tylko niekomercyjnie. Na vLLM całość MIT, za to najwolniej.
Sprzęt i metoda pomiaru
Klaster to dwie jednostki NVIDIA DGX Spark / ASUS Ascent GX10 z układem GB10, po 128 GB pamięci zunifikowanej (system widzi 121,6 GB), połączone kablem QSFP56 200 Gb/s (ConnectX-7, RDMA przez NCCL). Każdy model jest dzielony na dwie jednostki (tensor parallel = 2), działa jeden naraz i przełączamy go z panelu w kilka minut. Więcej o sprzęcie: klaster DGX Spark.
- Mediana z 6 powtórzeń, po 3 zapytaniach rozgrzewkowych, nigdy zaraz po starcie.
- Temperatura 0,6, odpowiedź 400–500 tokenów, osobno proza, kod i JSON.
- Z aplikacjami działającymi obok (czat webowy, brama API, agenci — ok. 11 GB na pierwszej jednostce). Przepisy z internetu zwykle mierzą bez nich.
- Rozrzut pojedynczych przebiegów sięga 42% — dlatego mediana, a nie najlepszy wynik.
Porównanie modeli w tabeli
| DeepSeek V4 Flash | GLM 5.3 Flash — vLLM (MIT) | GLM 5.3 Flash — TensorFold | Qwen3.8-Flash-Next | |
|---|---|---|---|---|
| parametry (aktywne) | 284B (13B) | 320B (18B) | 320B (18B) | 125B (6B) + 51B n-gramów |
| wagi / format | 156 GB, FP8 + DSpark | 184 GiB, NVFP4 | 164 GiB, EXL3 4-bit | 124 GB, NVFP4 |
| proza / kod / JSON, tok/s | 44–53 w pracy (seria: ok. 63–65 proza)* | 24,3 / 32,3 / 32,0 | 36,0 / 67,0 / 71,2 | 37,9 / 57,4 / 63,3 |
| kilka rozmów naraz, łącznie | ok. 150 (6)* | 70,6 (6) | 85,7 (4) | 150,7 (6) |
| czas do pierwszego tokenu | — | 273–343 ms | 145–184 ms | 142–161 ms |
| wczytywanie wejścia | ok. 2 300 tok/s | ok. 1 300–1 400 | 1 240–1 690 | — |
| okno kontekstu | 262K (profil 900K) | 262K | 1 048 576 | 262K |
| obrazy | nie | tak | tak | tak |
| wolne po starcie (na jednostkę) | ok. 9–15 GB | ok. 10 GB | 16–18 GB | 24–26 GB |
| licencja | MIT | MIT | MIT + moduł niekomercyjny | qwen-community (udostępnianie → umowa) |
| pomiar | 18–19.08 | 23.09 | 10.10 | 14.09 / 08.10 |
Zmierzone u nas, klaster 2× DGX Spark, aplikacje działające obok. * DeepSeek mierzyliśmy w innej serii niż pozostałe modele (sierpień), więc porównujemy go ostrożnie.
Prędkość: tokeny na sekundę na DGX Spark
Najważniejsza obserwacja: ranking zależy od rodzaju tekstu. Na prozie wygrywa DeepSeek, na kodzie i JSON-ie GLM z TensorFold, a Qwen jest wszędzie w czołówce przy najmniejszym zużyciu pamięci.
Prędkość generowania, jedna rozmowa
tok/s · zmierzone u nas · klaster 2× DGX Spark, aplikacje obok · ■ DeepSeek V4 Flash (seria 18.08) ■ GLM vLLM ■ GLM TensorFold ■ Qwen3.8-Flash-Next
proza
kod
JSON
DeepSeek: seria z 18.08 według rodzaju treści; w codziennej pracy 44–53 tok/s, w kontrolowanej serii z 19.08 ok. 63–65 tok/s na prozie. Daty pomiarów pozostałych: GLM vLLM 23.09, GLM TensorFold 10.10, Qwen 14.09.
Kilka rozmów naraz i czas do pierwszego tokenu
Dla zespołu ważniejsze od prędkości jednej rozmowy jest to, ile klaster oddaje łącznie i jak szybko zaczyna odpowiadać. Tu Qwen i DeepSeek są w innej lidze niż GLM.
Łącznie przy kilku rozmowach
tok/s łącznie (w nawiasie liczba rozmów) · zmierzone u nas
Czas do pierwszego tokenu
ms, górna granica zakresu — krócej = lepiej
Długi kontekst i pamięć
Przy pracy z dokumentami liczą się trzy rzeczy: jak długie wejście model przyjmie, jak szybko je wczyta i ile pamięci zostanie na kolejne rozmowy. Każdy model wygrywa w czymś innym.
Okno kontekstu
tokeny, w konfiguracjach, które zmierzyliśmy
Wczytywanie wejścia
tok/s · dłuższy słupek = szybciej
Wolna pamięć po starcie
GB na jednostkę · więcej = większy zapas na rozmowy i aplikacje
W praktyce: dokument na 100 tys. tokenów DeepSeek zaczyna komentować po ok. 43 sekundach. GLM na TensorFold znalazł informację ukrytą na pozycji 777 tys. tokenów, ale na pierwszy token czekał ponad 10 minut. Qwen zostawia najwięcej miejsca — to ma znaczenie, bo GB10 przy braku pamięci zawiesza się, zamiast zabić proces.
Obrazy
- Qwen3.8-Flash-Next: 10 obrazów w jednej wiadomości, wszystkie opisane poprawnie, łącznie z drobnym tekstem — 7,9 s bez namysłu.
- GLM 5.3 Flash: na vLLM 80/80 obrazów w 167 s, ale wolna pamięć spadła do 2,2 GB (bezpiecznie ok. 40 dużych zdjęć); polską fakturę („Żubr”, „4 812,50 zł”) odczytał w 2,5 s. Na TensorFold limit 50 obrazów, 50/50 w 16 s.
- DeepSeek V4 Flash w wersji, której używamy, nie przyjmuje obrazów.
Licencje — co wolno firmie
| Model i wariant | Licencja | Użycie wewnętrzne | Udostępnianie klientom |
|---|---|---|---|
| DeepSeek V4 Flash | MIT | ✓ tak | ✓ tak |
| GLM 5.3 Flash — vLLM + NVFP4 + MTP | MIT (całość) | ✓ tak | ✓ tak |
| GLM 5.3 Flash — TensorFold + DFlash2 | model MIT, moduł DFlash2 CC-BY-NC-ND-4.0 | tylko niekomercyjnie | ✗ nie |
| Qwen3.8-Flash-Next | qwen-community-1.0 | ✓ tak | najpierw osobna licencja od Qwen |
Opis ogólny, nie porada prawna. Szczegóły warunków — na stronach poszczególnych modeli.
Siedem lekcji z uruchamiania
Tego nie znajdziesz w tabelach wyników, a to właśnie kosztowało nas najwięcej czasu.
01
Każda rodzina modeli ma własną cichą awarię
Parser narzędzi (GLM: glm47, nie glm), przełącznik namysłu (DeepSeek thinking, Qwen enable_thinking, GLM — brak), block-size (GLM 2304). Model wygląda zdrowo, a agenci milczą, tytuły są puste albo treść uszkodzona.
02
Polskie znaki to test obowiązkowy
Checkpoint GLM w formacie ModelOpt gubił bajty UTF-8 — ok. 2 błędne znaki na 10 tys. Inny checkpoint: 0 błędów.
03
Nowsza wersja silnika bywa wolniejsza
vLLM 0.31 — Qwen o ok. 30% wolniejszy niż na wersji nightly z 14.09.
04
Silnik zmienia więcej niż parametry
Ten sam GLM: proza 24 → 36, kod 32 → 67 tok/s po zmianie vLLM na TensorFold.
05
Pomiar to osobna umiejętność
Rozrzut do 42%; mediana z 6 po 3 rozgrzewkach; temperatura 0,6 szybsza niż 0 przy dekodowaniu spekulatywnym.
06
Wąskim gardłem GB10 jest pamięć, nie łącze ani GPU
Łącze 200 Gb/s zajęte w 1,66%, GPU pobiera 30–35 W. MTU, swappiness, expert parallel — bez efektu. Działa spekulacja, a jej optimum zależy od modelu (DeepSeek 5 zamiast zalecanych 7; GLM i Qwen MTP 3).
07
Przepisy z internetu mierzą bez aplikacji obok
GB10 przy braku pamięci się zawiesza — u nas GLM chodzi na gpu-memory-utilization 0,83 zamiast 0,85 z przepisów. Przy Qwenie 0,75 dawało większą pulę, ale niestabilną prędkość — zostało 0,70.
Który model wybrać na klaster 2× DGX Spark
- Firma, która udostępnia model klientom lub partnerom: DeepSeek V4 Flash albo GLM 5.3 Flash na vLLM — oba na MIT. DeepSeek najszybciej wczytuje długie dokumenty i jest najlepiej przetestowany na dokumentach i w pracy agentowej. GLM według producenta jest mocniejszy w kodzie i pracy agentowej, ale na vLLM najwolniejszy.
- Użycie wewnętrzne, szybkość i obrazy: Qwen3.8-Flash-Next — najszybszy start odpowiedzi, największy zapas pamięci, 150,7 tok/s łącznie przy 6 rozmowach. Przy udostępnianiu na zewnątrz — umowa z Qwen.
- Kod i JSON najszybciej, okno 1 mln: GLM 5.3 Flash na TensorFold — ale tylko niekomercyjnie (moduł DFlash2).
Na klastrze działa u nas jeden duży model naraz, a wszystkie aplikacje pytają o jedną wspólną nazwę — dzięki temu zmiana modelu to kilka minut, bez przepisywania aplikacji. Jeśli dopiero wybierasz sprzęt, zobacz też DGX Station czy klaster DGX Spark.
Najczęstsze pytania
Który model jest najszybszy na DGX Spark?
Na naszym klastrze 2× DGX Spark zależy, co mierzymy. Najkrócej na pierwszy token czeka się przy Qwen3.8-Flash-Next (142–161 ms) i on razem z DeepSeek V4 Flash daje najwięcej łącznie przy sześciu rozmowach (ok. 150 tok/s). Najszybciej pisze kod i JSON GLM 5.3 Flash na silniku TensorFold (67,0 i 71,2 tok/s), a najszybciej wczytuje długie dokumenty DeepSeek V4 Flash (ok. 2 300 tok/s).
Który model wybrać do kodu?
Najszybciej kod pisze GLM 5.3 Flash na TensorFold (67,0 tok/s), ale ten wariant jest tylko do użytku niekomercyjnego. Do firmy: DeepSeek V4 Flash (56,3 tok/s na kodzie, przetestowany jako agent programistyczny, licencja MIT) albo Qwen3.8-Flash-Next (57,4 tok/s) do użytku wewnętrznego.
Czy do tych modeli potrzebne są dwa DGX Spark?
W wersjach, które zmierzyliśmy — tak, wszystkie trzy działają u nas na dwóch jednostkach po 128 GB. Na jednej jednostce mieszczą się tylko mocniej skompresowane warianty według źródeł: GGUF 3-bit DeepSeeka (ok. 103 GB), GGUF Q2 albo EXL3 2,05 bpw GLM-a (ok. 109 i 85 GB), a Qwen według autora przepisu działa na jednej jednostce z tablicą n-gramów czytaną z dysku (43,9 tok/s). Tych wariantów nie testowaliśmy.
Który model można udostępniać klientom?
DeepSeek V4 Flash i GLM 5.3 Flash na vLLM — oba w całości na licencji MIT. Qwen3.8-Flash-Next przy udostępnianiu modelu stronom trzecim wymaga osobnej licencji od Qwen, a wariant GLM na TensorFold używa modułu DFlash2 na licencji niekomercyjnej.
Źródła
- Pomiary i testy: własne, klaster ailone 2× DGX Spark / ASUS GX10 — DeepSeek V4 Flash 18–19.08, GLM 5.3 Flash 23–24.09 (vLLM) i 10.10 (TensorFold), Qwen3.8-Flash-Next 14–15.09 i 08.10.2026.
- Pełne konfiguracje, wyniki i źródła dla każdego modelu (karty modeli, checkpointy, przepisy społeczności, zgłoszenia vLLM, licencje): DeepSeek V4 Flash, GLM 5.3 Flash, Qwen3.8-Flash-Next.
- Przepisy społeczności dla 2× DGX Spark, na których oparliśmy konfiguracje: MiaAI-Lab (DeepSeek), tonyd2wild (GLM), MiaAI-Lab (GLM, TensorFold), tonyd2wild (Qwen).
Stan na 11.10.2026. Silniki i wersje zmieniają się co tydzień — liczby dotyczą konfiguracji opisanych na stronach modeli. Pomiary to mediany z jednej serii, z aplikacjami działającymi obok.