LLM Inference Benchmark Explorer

Nemotron-3-Ultra op DGX B300 — BF16, vLLM, TP8 inferentiebenchmark

Open deze configuratie in de LLM Inference Benchmark Explorer

ModelNemotron-3-Ultra
Parameters550B
Intelligence Index22.9
Agentic Index20.1
ApparaatDGX B300
KwantisatieBF16
Max C16
Chatcapaciteit64
Agentische capaciteit24
TP8
DP—
PP—
EnginevLLM
Speculatieve decodering—
CTTFT (ms)TPS (tok/s)Status
1132204.92PASS
2465128.50PASS
4134131.41PASS
8159106.38PASS
1626660.31PASS
32215966.84FAIL
64606466.93FAIL

In deze meting bereikte Nemotron-3-Ultra (550B parameters), aangeboden in BF16-formaat met vLLM op DGX B300 (TP=8), met één verzoek een generatiesnelheid van 204.9 tok/s per verzoek en een time to first token (TTFT) van 132 ms.

Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 64 gebruikers voor chatgebruik en 24 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.