**vLLM 驱动双 DGX 工作站实现 GLM-5.3 高速推理**

_通过两台配备vLLM的Nvidia DGX工作站，以607.8 tok/s的速度处理GLM-5.3_

> NVIDIA 发布技术博客，展示利用 vLLM 框架在两台 DGX 工作站上成功部署 GLM-5.3 模型，实现了每秒 607.8 个 token 的生成速度，证明了该方案在多卡环境下的强大推理能力。

**来源信息**
- **来源**：Hacker News 热门（buzzing.cc 中文翻译）
- **分类**：ai-products
- **发布时间**：2026-11-15 03:38（北京时间）
- **原文**：[打开原文](https://developer.nvidia.com/blog/when-one-gpu-isnt-enough-serving-glm-5-3-across-two-nvidia-dgx-stations-with-vllm)