LLM Inference Benchmark Explorer
Kimi-K3.1-Pro op DGX B300 — MXFP4, SGLang, TP8, speculatieve decodering k=8 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | Kimi-K3.1-Pro |
|---|---|
| Parameters | 2.78T |
| Intelligence Index | — |
| Agentic Index | — |
| Apparaat | DGX B300 |
| Kwantisatie | MXFP4 |
| Max C | 16 |
| Chatcapaciteit | 64 |
| Agentische capaciteit | 24 |
| TP | 8 |
| DP | — |
| PP | — |
| Engine | SGLang |
| Speculatieve decodering | Ja |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 379 | 176.03 | PASS |
| 2 | 403 | 114.49 | PASS |
| 4 | 553 | 70.71 | PASS |
| 8 | 596 | 44.91 | PASS |
| 16 | 727 | 27.57 | PASS |
| 32 | 1365 | 35.40 | FAIL |
| 64 | 5081 | 18.11 | FAIL |
| 128 | 12519 | 9.55 | FAIL |
In de meting van OpenZeka bereikte Kimi-K3.1-Pro (2.78T parameters), aangeboden in MXFP4-formaat met SGLang en speculatieve decodering op DGX B300 (TP=8), met één verzoek een generatiesnelheid van 176 tok/s per verzoek en een time to first token (TTFT) van 379 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 64 gebruikers voor chatgebruik en 24 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: DFlash2 k=8, 1M context. Multimodal checkpoint measured on text. Model: moonshotai/Kimi-K3.1-Pro
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-K3.1-Pro (2.78T parameters), aangeboden in MXFP4-formaat met SGLang en speculatieve decodering op DGX B300 (TP=8), met één verzoek een generatiesnelheid van 176 tok/s per verzoek en een time to first token (TTFT) van 379 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 64 gebruikers voor chatgebruik en 24 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.