LLM Inference Benchmark Explorer

Kimi-K2.6 op DGX B300 — INT4, vLLM, TP4 inferentiebenchmark

Open deze configuratie in de LLM Inference Benchmark Explorer

ModelKimi-K2.6
Parameters1.03T
Intelligence Index27
Agentic Index20.5
ApparaatDGX B300
KwantisatieINT4
Max C32+
Chatcapaciteit128+
Agentische capaciteit42
TP4
DP—
PP—
EnginevLLM
Speculatieve decodering—
CTTFT (ms)TPS (tok/s)Status
156220.75PASS
2115159.74PASS
486130.38PASS
8107102.35PASS
1615175.93PASS
3235658.55PASS

In deze meting bereikte Kimi-K2.6 (1.03T parameters), aangeboden in INT4-formaat met vLLM op DGX B300 (TP=4), met één verzoek een generatiesnelheid van 220.8 tok/s per verzoek en een time to first token (TTFT) van 56 ms.

Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit ten minste 128 gebruikers voor chatgebruik en 42 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.