LLM Inference Benchmark Explorer
DeepSeek-V4.1-Flash op 8× DGX Spark — FP8, vLLM, TP8, speculatieve decodering k=5 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | DeepSeek-V4.1-Flash |
|---|---|
| Parameters | 763B |
| Intelligence Index | 39.5 |
| Agentic Index | — |
| Apparaat | 8× DGX Spark |
| Kwantisatie | FP8 |
| Max C | 4 |
| Chatcapaciteit | 16 |
| Agentische capaciteit | 6 |
| TP | 8 |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | Ja |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 213 | 35.98 | PASS |
| 2 | 280 | 28.21 | PASS |
| 4 | 370 | 20.10 | PASS |
| 8 | 488 | 13.63 | FAIL |
In de meting van OpenZeka bereikte DeepSeek-V4.1-Flash (763B parameters), aangeboden in FP8-formaat met vLLM en speculatieve decodering op 8× DGX Spark (TP=8), met één verzoek een generatiesnelheid van 36 tok/s per verzoek en een time to first token (TTFT) van 213 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 16 gebruikers voor chatgebruik en 6 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.
Opmerkingen: DSpark k=5, 300K context, Engram in memory (stock vLLM). Model: deepseek-ai/DeepSeek-V4.1-Flash
De waarden van Intelligence Index en Agentic Index worden gepubliceerd door Artificial Analysis en worden hier met bronvermelding overgenomen.
In de meting van OpenZeka bereikte DeepSeek-V4.1-Flash (763B parameters), aangeboden in FP8-formaat met vLLM en speculatieve decodering op 8× DGX Spark (TP=8), met één verzoek een generatiesnelheid van 36 tok/s per verzoek en een time to first token (TTFT) van 213 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 16 gebruikers voor chatgebruik en 6 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.