LLM Inference Benchmark Explorer
Qwen3.6-35B-A3B op 4× DGX Spark — NVFP4, vLLM, TP4 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | Qwen3.6-35B-A3B |
|---|---|
| Parameters | 35B |
| Intelligence Index | 18.2 |
| Agentic Index | 13.1 |
| Apparaat | 4× DGX Spark |
| Kwantisatie | NVFP4 |
| Max C | 32 |
| Chatcapaciteit | 128 |
| Agentische capaciteit | 48 |
| TP | 4 |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | — |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 231 | 91.16 | PASS |
| 2 | 283 | 73.49 | PASS |
| 4 | 277 | 64.80 | PASS |
| 8 | 531 | 51.88 | PASS |
| 16 | 595 | 40.24 | PASS |
| 32 | 691 | 29.67 | PASS |
| 64 | 4833 | 15.03 | FAIL |
In de meting van OpenZeka bereikte Qwen3.6-35B-A3B (35B parameters), aangeboden in NVFP4-formaat met vLLM op 4× DGX Spark (TP=4), met één verzoek een generatiesnelheid van 91.2 tok/s per verzoek en een time to first token (TTFT) van 231 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 128 gebruikers voor chatgebruik en 48 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: Model: nvidia/Qwen3.6-35B-A3B-NVFP4
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 Qwen3.6-35B-A3B (35B parameters), aangeboden in NVFP4-formaat met vLLM op 4× DGX Spark (TP=4), met één verzoek een generatiesnelheid van 91.2 tok/s per verzoek en een time to first token (TTFT) van 231 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 128 gebruikers voor chatgebruik en 48 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.