LLM Inference Benchmark Explorer
GPT-OSS 120B op 2× DGX Spark — MXFP4, vLLM, TP2 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | GPT-OSS 120B |
|---|---|
| Parameters | 120B |
| Intelligence Index | 11.6 |
| Agentic Index | 3.7 |
| Apparaat | 2× DGX Spark |
| Kwantisatie | MXFP4 |
| Max C | 8 |
| Chatcapaciteit | 32 |
| Agentische capaciteit | 12 |
| TP | 2 |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | — |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 168 | 69.86 | PASS |
| 2 | 228 | 51.52 | PASS |
| 4 | 255 | 37.14 | PASS |
| 8 | 292 | 26.92 | PASS |
| 16 | 320 | 19.08 | FAIL |
| 32 | 465 | 12.63 | FAIL |
In de meting van OpenZeka bereikte GPT-OSS 120B (120B parameters), aangeboden in MXFP4-formaat met vLLM op 2× DGX Spark (TP=2), met één verzoek een generatiesnelheid van 69.9 tok/s per verzoek en een time to first token (TTFT) van 168 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 32 gebruikers voor chatgebruik en 12 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: CUTLASS MoE, FlashInfer attn. +26% TPS over TP=1 at C1
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 GPT-OSS 120B (120B parameters), aangeboden in MXFP4-formaat met vLLM op 2× DGX Spark (TP=2), met één verzoek een generatiesnelheid van 69.9 tok/s per verzoek en een time to first token (TTFT) van 168 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 32 gebruikers voor chatgebruik en 12 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.