LLM Inference Benchmark Explorer
GPT-OSS 120B op RTX PRO 6000 — MXFP4, vLLM, TP1 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 | RTX PRO 6000 |
| Kwantisatie | MXFP4 |
| Max C | 64+ |
| Chatcapaciteit | 55 |
| Agentische capaciteit | 13 |
| TP | — |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | — |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 52 | 169.64 | PASS |
| 2 | 59 | 125.81 | PASS |
| 4 | 64 | 98.77 | PASS |
| 8 | 80 | 76.57 | PASS |
| 16 | 122 | 55.27 | PASS |
| 32 | 160 | 41.88 | PASS |
| 64 | 206 | 31.76 | PASS |
In de meting van OpenZeka bereikte GPT-OSS 120B (120B parameters), aangeboden in MXFP4-formaat met vLLM op RTX PRO 6000, met één verzoek een generatiesnelheid van 169.6 tok/s per verzoek en een time to first token (TTFT) van 52 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 55 gebruikers voor chatgebruik en 13 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: 4K context
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 RTX PRO 6000, met één verzoek een generatiesnelheid van 169.6 tok/s per verzoek en een time to first token (TTFT) van 52 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 55 gebruikers voor chatgebruik en 13 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.