LLM Inference Benchmark Explorer
Qwen3.5-397B-A17B op 4× DGX Spark — INT4, vLLM, TP4 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | Qwen3.5-397B-A17B |
|---|---|
| Parameters | 397B |
| Intelligence Index | 21.4 |
| Agentic Index | — |
| Apparaat | 4× DGX Spark |
| Kwantisatie | INT4 |
| Max C | 8+ |
| Chatcapaciteit | 32+ |
| Agentische capaciteit | 12+ |
| TP | 4 |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | — |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 325 | 41.88 | PASS |
| 2 | 393 | 33.40 | PASS |
| 4 | 541 | 27.16 | PASS |
| 8 | 622 | 20.57 | PASS |
In deze meting bereikte Qwen3.5-397B-A17B (397B parameters), aangeboden in INT4-formaat met vLLM op 4× DGX Spark (TP=4), met één verzoek een generatiesnelheid van 41.9 tok/s per verzoek en een time to first token (TTFT) van 325 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit ten minste 32 gebruikers voor chatgebruik en ten minste 12 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.
Opmerkingen: Switch topology, TP=4. 2.24x faster than PP=3 at C1.
De waarden van Intelligence Index en Agentic Index worden gepubliceerd door Artificial Analysis en worden hier met bronvermelding overgenomen.
In deze meting bereikte Qwen3.5-397B-A17B (397B parameters), aangeboden in INT4-formaat met vLLM op 4× DGX Spark (TP=4), met één verzoek een generatiesnelheid van 41.9 tok/s per verzoek en een time to first token (TTFT) van 325 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit ten minste 32 gebruikers voor chatgebruik en ten minste 12 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.