LLM Inference Benchmark Explorer
NVIDIA-Nemotron-3.5-Bolt-74B-A9B op DGX B300 — BF16, vLLM, TP1 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | NVIDIA-Nemotron-3.5-Bolt-74B-A9B |
|---|---|
| Parameters | 74B |
| Intelligence Index | — |
| Agentic Index | — |
| Apparaat | DGX B300 |
| Kwantisatie | BF16 |
| Max C | 256+ |
| Chatcapaciteit | 236 |
| Agentische capaciteit | 158 |
| TP | — |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | — |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 58 | 167.03 | PASS |
| 2 | 112 | 147.90 | PASS |
| 4 | 114 | 130.85 | PASS |
| 8 | 135 | 107.23 | PASS |
| 16 | 166 | 84.50 | PASS |
| 32 | 196 | 61.84 | PASS |
| 64 | 271 | 47.81 | PASS |
| 128 | 439 | 36.16 | PASS |
| 256 | 730 | 20.74 | PASS |
In de meting van OpenZeka bereikte NVIDIA-Nemotron-3.5-Bolt-74B-A9B (74B parameters), aangeboden in BF16-formaat met vLLM op DGX B300, met één verzoek een generatiesnelheid van 167 tok/s per verzoek en een time to first token (TTFT) van 58 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 236 gebruikers voor chatgebruik en 158 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: 74B total / 9B active, 256K context. Model: nvidia/NVIDIA-Nemotron-3.5-Bolt-74B-A9B-BF16
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 NVIDIA-Nemotron-3.5-Bolt-74B-A9B (74B parameters), aangeboden in BF16-formaat met vLLM op DGX B300, met één verzoek een generatiesnelheid van 167 tok/s per verzoek en een time to first token (TTFT) van 58 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 236 gebruikers voor chatgebruik en 158 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.