LLM Inference Benchmark Explorer
DeepSeek V4 Flash 0731 op 4× DGX Spark — NVFP4, vLLM, TP4 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | DeepSeek V4 Flash 0731 |
|---|---|
| Parameters | 304B |
| Intelligence Index | 34.3 |
| Agentic Index | 41 |
| Apparaat | 4× DGX Spark |
| Kwantisatie | NVFP4 |
| Max C | 1+ |
| Chatcapaciteit | 4+ |
| Agentische capaciteit | 1+ |
| TP | 4 |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | — |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 256 | 69.50 | PASS |
In de meting van OpenZeka bereikte DeepSeek V4 Flash 0731 (304B parameters), aangeboden in NVFP4-formaat met vLLM op 4× DGX Spark (TP=4), met één verzoek een generatiesnelheid van 69.5 tok/s per verzoek en een time to first token (TTFT) van 256 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit ten minste 4 gebruikers voor chatgebruik en ten minste 1 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.
Deze configuratie is alleen met één verzoek gemeten, dus de schatting berust op één meting.
Opmerkingen: TP=4. Single C=1 test (scaling comparison). Best C=1 TPS for this model.
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 Flash 0731 (304B parameters), aangeboden in NVFP4-formaat met vLLM op 4× DGX Spark (TP=4), met één verzoek een generatiesnelheid van 69.5 tok/s per verzoek en een time to first token (TTFT) van 256 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit ten minste 4 gebruikers voor chatgebruik en ten minste 1 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.
Deze configuratie is alleen met één verzoek gemeten, dus de schatting berust op één meting.