LLM Inference Benchmark Explorer
Kimi K3 op DGX B300 — MXFP4, vLLM, TP8 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 | 64+ |
| Chatcapaciteit | 150 |
| Agentische capaciteit | 50 |
| TP | 8 |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | — |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 67 | 100.84 | PASS |
| 2 | 105 | 83.98 | PASS |
| 4 | 146 | 73.17 | PASS |
| 8 | 388 | 54.03 | PASS |
| 16 | 544 | 43.95 | PASS |
| 32 | 608 | 35.18 | PASS |
| 64 | 732 | 27.49 | PASS |
In de meting van OpenZeka bereikte Kimi K3 (2.78T parameters), aangeboden in MXFP4-formaat met vLLM op DGX B300 (TP=8), met één verzoek een generatiesnelheid van 100.8 tok/s per verzoek en een time to first token (TTFT) van 67 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 150 gebruikers voor chatgebruik en 50 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: 2.8T MoE, 104B active, 896 experts, 1M context. GMU 0.95
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 op DGX B300 (TP=8), met één verzoek een generatiesnelheid van 100.8 tok/s per verzoek en een time to first token (TTFT) van 67 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 150 gebruikers voor chatgebruik en 50 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.