LLM Inference Benchmark Explorer
DeepSeek-V4.1-Flash op DGX B300 — FP8, vLLM, TP4, speculatieve decodering k=3 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | DeepSeek-V4.1-Flash |
|---|---|
| Parameters | 763B |
| Intelligence Index | 39.5 |
| Agentic Index | — |
| Apparaat | DGX B300 |
| Kwantisatie | FP8 |
| Max C | 64+ |
| Chatcapaciteit | 256+ |
| Agentische capaciteit | 96+ |
| TP | 4 |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | Ja |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 64 | 284.54 | PASS |
| 2 | 64 | 294.56 | PASS |
| 4 | 73 | 252.60 | PASS |
| 8 | 80 | 209.41 | PASS |
| 16 | 142 | 162.02 | PASS |
| 32 | 167 | 136.99 | PASS |
| 64 | 123 | 110.09 | PASS |
In de meting van OpenZeka bereikte DeepSeek-V4.1-Flash (763B parameters), aangeboden in FP8-formaat met vLLM en speculatieve decodering op DGX B300 (TP=4), met één verzoek een generatiesnelheid van 284.5 tok/s per verzoek en een time to first token (TTFT) van 64 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: DSpark k=3, 1M context. 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 DGX B300 (TP=4), met één verzoek een generatiesnelheid van 284.5 tok/s per verzoek en een time to first token (TTFT) van 64 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.