LLM Inference Benchmark Explorer

Qwen3.5-397B-A17B op DGX B300 — FP8, vLLM, TP2 inferentiebenchmark

Open deze configuratie in de LLM Inference Benchmark Explorer

ModelQwen3.5-397B-A17B
Parameters397B
Intelligence Index21.4
Agentic Index—
ApparaatDGX B300
KwantisatieFP8
Max C32+
Chatcapaciteit128+
Agentische capaciteit48+
TP2
DP—
PP—
EnginevLLM
Speculatieve decodering—
CTTFT (ms)TPS (tok/s)Status
174139.86PASS
2100118.34PASS
4112107.41PASS
8119790.66FAIL
1623083.47PASS
3230569.64PASS

In deze meting bereikte Qwen3.5-397B-A17B (397B parameters), aangeboden in FP8-formaat met vLLM op DGX B300 (TP=2), met één verzoek een generatiesnelheid van 139.9 tok/s per verzoek en een time to first token (TTFT) van 74 ms.

Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit ten minste 128 gebruikers voor chatgebruik en ten minste 48 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.