LLM Inference Benchmark Explorer
Gemma-4-26B-A4B-it op DGX B300 — BF16, vLLM, TP1 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | Gemma-4-26B-A4B-it |
|---|---|
| Parameters | 26B |
| Intelligence Index | 16.7 |
| Agentic Index | — |
| Apparaat | DGX B300 |
| Kwantisatie | BF16 |
| Max C | 64+ |
| Chatcapaciteit | 256+ |
| Agentische capaciteit | 96+ |
| TP | — |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | — |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 60 | 168.20 | PASS |
| 2 | 243 | 162.99 | PASS |
| 4 | 474 | 129.25 | PASS |
| 8 | 544 | 103.98 | PASS |
| 16 | 819 | 88.97 | PASS |
| 32 | 456 | 79.91 | PASS |
| 64 | 524 | 69.33 | PASS |
In de meting van OpenZeka bereikte Gemma-4-26B-A4B-it (26B parameters), aangeboden in BF16-formaat met vLLM op DGX B300, met één verzoek een generatiesnelheid van 168.2 tok/s per verzoek en een time to first token (TTFT) van 60 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.
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 Gemma-4-26B-A4B-it (26B parameters), aangeboden in BF16-formaat met vLLM op DGX B300, met één verzoek een generatiesnelheid van 168.2 tok/s per verzoek en een time to first token (TTFT) van 60 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.