LLM Inference Benchmark Explorer
Muse-Glimmer-30B op RTX PRO 6000 — BF16, vLLM, TP1, speculatieve decodering k=15 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | Muse-Glimmer-30B |
|---|---|
| Parameters | 30B |
| Intelligence Index | 17.5 |
| Agentic Index | 8.5 |
| Apparaat | RTX PRO 6000 |
| Kwantisatie | BF16 |
| Max C | 32 |
| Chatcapaciteit | 128 |
| Agentische capaciteit | 47 |
| TP | — |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | Ja |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 118 | 165.38 | PASS |
| 2 | 163 | 155.93 | PASS |
| 4 | 178 | 138.39 | PASS |
| 8 | 215 | 121.33 | PASS |
| 16 | 328 | 83.91 | PASS |
| 32 | 580 | 46.20 | PASS |
| 64 | 3301 | 23.13 | FAIL |
In de meting van OpenZeka bereikte Muse-Glimmer-30B (30B parameters), aangeboden in BF16-formaat met vLLM en speculatieve decodering op RTX PRO 6000, met één verzoek een generatiesnelheid van 165.4 tok/s per verzoek en een time to first token (TTFT) van 118 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 128 gebruikers voor chatgebruik en 47 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: DFlash, native MTP k=15
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 Muse-Glimmer-30B (30B parameters), aangeboden in BF16-formaat met vLLM en speculatieve decodering op RTX PRO 6000, met één verzoek een generatiesnelheid van 165.4 tok/s per verzoek en een time to first token (TTFT) van 118 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 128 gebruikers voor chatgebruik en 47 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.