LLM Inference Benchmark Explorer
Nemotron-3-Ultra op DGX B300 — BF16, vLLM, TP8 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | Nemotron-3-Ultra |
|---|---|
| Parameters | 550B |
| Intelligence Index | 22.9 |
| Agentic Index | 20.1 |
| Apparaat | DGX B300 |
| Kwantisatie | BF16 |
| Max C | 16 |
| Chatcapaciteit | 64 |
| Agentische capaciteit | 24 |
| TP | 8 |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | — |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 132 | 177.32 | PASS |
| 2 | 465 | 128.50 | PASS |
| 4 | 134 | 118.36 | PASS |
| 8 | 159 | 97.07 | PASS |
| 16 | 266 | 59.35 | PASS |
| 32 | 2159 | 33.09 | FAIL |
| 64 | 6064 | 17.61 | FAIL |
In de meting van OpenZeka bereikte Nemotron-3-Ultra (550B parameters), aangeboden in BF16-formaat met vLLM op DGX B300 (TP=8), met één verzoek een generatiesnelheid van 177.3 tok/s per verzoek en een time to first token (TTFT) van 132 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.
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 Nemotron-3-Ultra (550B parameters), aangeboden in BF16-formaat met vLLM op DGX B300 (TP=8), met één verzoek een generatiesnelheid van 177.3 tok/s per verzoek en een time to first token (TTFT) van 132 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.