LLM Inference Benchmark Explorer
Gemma-4-31B-it op RTX PRO 6000 — NVFP4, vLLM, TP1 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | Gemma-4-31B-it |
|---|---|
| Parameters | 31B |
| Intelligence Index | 19 |
| Agentic Index | 4.2 |
| Apparaat | RTX PRO 6000 |
| Kwantisatie | NVFP4 |
| Max C | 32+ |
| Chatcapaciteit | 53 |
| Agentische capaciteit | 18 |
| TP | — |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | — |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 38 | 39.98 | PASS |
| 2 | 40 | 38.88 | PASS |
| 4 | 73 | 38.72 | PASS |
| 8 | 379 | 36.93 | PASS |
| 16 | 82 | 38.25 | PASS |
| 32 | 108 | 36.14 | PASS |
In de meting van OpenZeka bereikte Gemma-4-31B-it (31B parameters), aangeboden in NVFP4-formaat met vLLM op RTX PRO 6000, met één verzoek een generatiesnelheid van 40 tok/s per verzoek en een time to first token (TTFT) van 38 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 53 gebruikers voor chatgebruik en 18 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.
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-4-31B-it (31B parameters), aangeboden in NVFP4-formaat met vLLM op RTX PRO 6000, met één verzoek een generatiesnelheid van 40 tok/s per verzoek en een time to first token (TTFT) van 38 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 53 gebruikers voor chatgebruik en 18 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.