LLM Inference Benchmark Explorer
Kimi-K2.5 op DGX B300 — NVFP4, vLLM, TP4 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | Kimi-K2.5 |
|---|---|
| Parameters | 1.03T |
| Intelligence Index | 23.5 |
| Agentic Index | — |
| Apparaat | DGX B300 |
| Kwantisatie | NVFP4 |
| Max C | 64+ |
| Chatcapaciteit | 171 |
| Agentische capaciteit | 42 |
| TP | 4 |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | — |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 64 | 128.78 | PASS |
| 2 | 96 | 113.38 | PASS |
| 4 | 94 | 104.33 | PASS |
| 8 | 120 | 87.38 | PASS |
| 16 | 197 | 68.52 | PASS |
| 32 | 225 | 56.73 | PASS |
| 64 | 263 | 43.01 | PASS |
In de meting van OpenZeka bereikte Kimi-K2.5 (1.03T parameters), aangeboden in NVFP4-formaat met vLLM op DGX B300 (TP=4), met één verzoek een generatiesnelheid van 128.8 tok/s per verzoek en een time to first token (TTFT) van 64 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 171 gebruikers voor chatgebruik en 42 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 Kimi-K2.5 (1.03T parameters), aangeboden in NVFP4-formaat met vLLM op DGX B300 (TP=4), met één verzoek een generatiesnelheid van 128.8 tok/s per verzoek en een time to first token (TTFT) van 64 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 171 gebruikers voor chatgebruik en 42 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.