LLM Inference Benchmark Explorer

Gemma-4-31B-it op RTX PRO 6000 — NVFP4, vLLM, TP1 inferentiebenchmark

Open deze configuratie in de LLM Inference Benchmark Explorer

ModelGemma-4-31B-it
Parameters31B
Intelligence Index14.7
Agentic Index4.2
ApparaatRTX PRO 6000
KwantisatieNVFP4
Max C32+
Chatcapaciteit53
Agentische capaciteit18
TP—
DP—
PP—
EnginevLLM
Speculatieve decodering—
CTTFT (ms)TPS (tok/s)Status
13840.16PASS
24039.06PASS
47339.29PASS
837939.46PASS
168238.94PASS
3210837.22PASS

In deze meting bereikte Gemma-4-31B-it (31B parameters), aangeboden in NVFP4-formaat met vLLM op RTX PRO 6000, met één verzoek een generatiesnelheid van 40.2 tok/s per verzoek en een time to first token (TTFT) van 38 ms.

Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 53 gebruikers voor chatgebruik en 18 voor agentisch gebruik. De realistische capaciteit ligt waarschijnlijk tussen deze twee waarden. In scenario's waarin programmeren, toolgebruik, lange workflows en multi-agentgebruik overheersen, benadert de capaciteit de agentische schatting; waar kortere interacties, standaardgesprekken en lichtere taken overheersen, benadert zij de chatschatting.

De waarden van Intelligence Index en Agentic Index worden gepubliceerd door Artificial Analysis en worden hier met bronvermelding overgenomen.