LLM Inference Benchmark Explorer
NVIDIA-Nemotron-3.5-Super-VL-120B-A12B op DGX B300 — BF16, vLLM, TP2, speculatieve decodering k=3 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | NVIDIA-Nemotron-3.5-Super-VL-120B-A12B |
|---|---|
| Parameters | 120B |
| Intelligence Index | 26.5 |
| Agentic Index | — |
| Apparaat | DGX B300 |
| Kwantisatie | BF16 |
| Max C | 128 |
| Chatcapaciteit | 512 |
| Agentische capaciteit | 192 |
| TP | 2 |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | Ja |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 56 | 350.08 | PASS |
| 2 | 81 | 266.54 | PASS |
| 4 | 94 | 198.12 | PASS |
| 8 | 115 | 144.74 | PASS |
| 16 | 169 | 102.32 | PASS |
| 32 | 240 | 73.11 | PASS |
| 64 | 325 | 44.83 | PASS |
| 128 | 359 | 29.08 | PASS |
| 256 | 4014 | 17.42 | FAIL |
In de meting van OpenZeka bereikte NVIDIA-Nemotron-3.5-Super-VL-120B-A12B (120B parameters), aangeboden in BF16-formaat met vLLM en speculatieve decodering op DGX B300 (TP=2), met één verzoek een generatiesnelheid van 350.1 tok/s per verzoek en een time to first token (TTFT) van 56 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 512 gebruikers voor chatgebruik en 192 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: Speculative MTP k=3.
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-Super-VL-120B-A12B (120B parameters), aangeboden in BF16-formaat met vLLM en speculatieve decodering op DGX B300 (TP=2), met één verzoek een generatiesnelheid van 350.1 tok/s per verzoek en een time to first token (TTFT) van 56 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 512 gebruikers voor chatgebruik en 192 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.