LLM Inference Benchmark Explorer
Kimi K3 op DGX B300 — MXFP4, vLLM, TP8, speculatieve decodering inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | Kimi K3 |
|---|---|
| Parameters | 2.78T |
| Intelligence Index | 43.6 |
| Agentic Index | 50 |
| Apparaat | DGX B300 |
| Kwantisatie | MXFP4 |
| Max C | 32 |
| Chatcapaciteit | 128 |
| Agentische capaciteit | 48 |
| TP | 8 |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | Ja |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 71 | 187.74 | PASS |
| 2 | 173 | 129.75 | PASS |
| 4 | 191 | 99.43 | PASS |
| 8 | 263 | 61.04 | PASS |
| 16 | 344 | 43.60 | PASS |
| 32 | 565 | 23.14 | PASS |
| 64 | 1031 | 11.21 | FAIL |
In de meting van OpenZeka bereikte Kimi K3 (2.78T parameters), aangeboden in MXFP4-formaat met vLLM en speculatieve decodering op DGX B300 (TP=8), met één verzoek een generatiesnelheid van 187.7 tok/s per verzoek en een time to first token (TTFT) van 71 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 128 gebruikers voor chatgebruik en 48 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: DSpark speculative. Draft model: Inferact/Kimi-K3-DSpark. 1.86x speedup 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 Kimi K3 (2.78T parameters), aangeboden in MXFP4-formaat met vLLM en speculatieve decodering op DGX B300 (TP=8), met één verzoek een generatiesnelheid van 187.7 tok/s per verzoek en een time to first token (TTFT) van 71 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 128 gebruikers voor chatgebruik en 48 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.