LLM Inference Benchmark Explorer
Inkling op 8× DGX Spark — NVFP4, vLLM, TP8, speculatieve decodering k=1 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | Inkling |
|---|---|
| Parameters | 952B |
| Intelligence Index | 25 |
| Agentic Index | 22.5 |
| Apparaat | 8× DGX Spark |
| Kwantisatie | NVFP4 |
| Max C | 2 |
| Chatcapaciteit | 8 |
| Agentische capaciteit | 3 |
| TP | 8 |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | Ja |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 412 | 27.28 | PASS |
| 2 | 557 | 20.99 | PASS |
| 4 | 778 | 15.49 | FAIL |
| 8 | 8619 | 8.03 | FAIL |
In deze meting bereikte Inkling (952B parameters), aangeboden in NVFP4-formaat met vLLM en speculatieve decodering op 8× DGX Spark (TP=8), met één verzoek een generatiesnelheid van 27.3 tok/s per verzoek en een time to first token (TTFT) van 412 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 8 gebruikers voor chatgebruik en 3 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.
Opmerkingen: Model: thinkingmachines/Inkling-NVFP4 (975B MoE, 552 GB). GMU 0.80, MoE FLASHINFER_CUTLASS
De waarden van Intelligence Index en Agentic Index worden gepubliceerd door Artificial Analysis en worden hier met bronvermelding overgenomen.
In deze meting bereikte Inkling (952B parameters), aangeboden in NVFP4-formaat met vLLM en speculatieve decodering op 8× DGX Spark (TP=8), met één verzoek een generatiesnelheid van 27.3 tok/s per verzoek en een time to first token (TTFT) van 412 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 8 gebruikers voor chatgebruik en 3 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.