LLM Inference Benchmark Explorer

Qwen3.8-Flash-Next op DGX B300 — BF16, SGLang, TP2 inferentiebenchmark

Open deze configuratie in de LLM Inference Benchmark Explorer

ModelQwen3.8-Flash-Next
Parameters176B
Intelligence Index39.8
Agentic Index53.6
ApparaatDGX B300
KwantisatieBF16
Max C64+
Chatcapaciteit256+
Agentische capaciteit96+
TP2
DP—
PP—
EngineSGLang
Speculatieve decodering—
CTTFT (ms)TPS (tok/s)Status
1108312.50PASS
2153229.36PASS
4183177.94PASS
8207119.47PASS
1637795.79PASS
3228772.99PASS
6433354.14PASS

In deze meting bereikte Qwen3.8-Flash-Next (176B parameters), aangeboden in BF16-formaat met SGLang op DGX B300 (TP=2), met één verzoek een generatiesnelheid van 312.5 tok/s per verzoek en een time to first token (TTFT) van 108 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.

Opmerkingen: TP=2

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