LLM Inference Benchmark Explorer
Qwen3.5-397B-A17B op 4× DGX Spark — INT4, vLLM, TP4 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | Qwen3.5-397B-A17B |
|---|---|
| Parameters | 397B |
| Intelligence Index | 21.4 |
| Agentic Index | — |
| Apparaat | 4× DGX Spark |
| Kwantisatie | INT4 |
| Max C | 4 |
| Chatcapaciteit | 16 |
| Agentische capaciteit | 6 |
| TP | 4 |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | — |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 325 | 38.14 | PASS |
| 2 | 393 | 30.54 | PASS |
| 4 | 541 | 24.54 | PASS |
| 8 | 622 | 18.83 | FAIL |
In de meting van OpenZeka bereikte Qwen3.5-397B-A17B (397B parameters), aangeboden in INT4-formaat met vLLM op 4× DGX Spark (TP=4), met één verzoek een generatiesnelheid van 38.1 tok/s per verzoek en een time to first token (TTFT) van 325 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 16 gebruikers voor chatgebruik en 6 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: Switch topology, TP=4. 2.24x faster than PP=3 at C1.
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 Qwen3.5-397B-A17B (397B parameters), aangeboden in INT4-formaat met vLLM op 4× DGX Spark (TP=4), met één verzoek een generatiesnelheid van 38.1 tok/s per verzoek en een time to first token (TTFT) van 325 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 16 gebruikers voor chatgebruik en 6 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.