LLM Inference Benchmark Explorer
Inkling op 8× DGX Spark — NVFP4, vLLM, TP8, speculatieve decodering k=1 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | Inkling |
|---|---|
| Parameters | 952B |
| Intelligence Index | 25 |
| Agentic Index | 22.5 |
| Apparaat | 8× DGX Spark |
| Kwantisatie | NVFP4 |
| Max C | 2 |
| Chatcapaciteit | 8 |
| Agentische capaciteit | 3 |
| TP | 8 |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | Ja |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 412 | 27.28 | PASS |
| 2 | 557 | 20.99 | PASS |
| 4 | 778 | 15.49 | FAIL |
| 8 | 8619 | 8.03 | FAIL |
In de meting van OpenZeka bereikte Inkling (952B parameters), aangeboden in NVFP4-formaat met vLLM en speculatieve decodering op 8× DGX Spark (TP=8), met één verzoek een generatiesnelheid van 27.3 tok/s per verzoek en een time to first token (TTFT) van 412 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 8 gebruikers voor chatgebruik en 3 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: Model: thinkingmachines/Inkling-NVFP4 (975B MoE, 552 GB). GMU 0.80, MoE FLASHINFER_CUTLASS
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 Inkling (952B parameters), aangeboden in NVFP4-formaat met vLLM en speculatieve decodering op 8× DGX Spark (TP=8), met één verzoek een generatiesnelheid van 27.3 tok/s per verzoek en een time to first token (TTFT) van 412 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 8 gebruikers voor chatgebruik en 3 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.