LLM Inference Benchmark Explorer

Inkling op DGX B300 — NVFP4, vLLM, TP4 inferentiebenchmark

Open deze configuratie in de LLM Inference Benchmark Explorer

ModelInkling
Parameters952B
Intelligence Index25
Agentic Index22.5
ApparaatDGX B300
KwantisatieNVFP4
Max C64+
Chatcapaciteit256+
Agentische capaciteit96+
TP4
DP—
PP—
EnginevLLM
Speculatieve decodering—
CTTFT (ms)TPS (tok/s)Status
151140.85PASS
2165107.87PASS
463105.26PASS
87787.95PASS
1612668.87PASS
3214751.49PASS
6415336.44PASS

In deze meting bereikte Inkling (952B parameters), aangeboden in NVFP4-formaat met vLLM op DGX B300 (TP=4), met één verzoek een generatiesnelheid van 140.8 tok/s per verzoek en een time to first token (TTFT) van 51 ms.

Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit ten minste 256 gebruikers voor chatgebruik en ten minste 96 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.

„Ten minste” betekent dat de configuratie zelfs bij de hoogste geteste belasting aan de snelheidsdoelen voldeed, zodat de werkelijke capaciteit hoger kan zijn.

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