LLM Inference Benchmark Explorer
Qwen3.8-Flash-Next op RTX PRO 6000 — NVFP4, SGLang, TP1, speculatieve decodering k=3 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | Qwen3.8-Flash-Next |
|---|---|
| Parameters | 176B |
| Intelligence Index | 39.8 |
| Agentic Index | 53.6 |
| Apparaat | RTX PRO 6000 |
| Kwantisatie | NVFP4 |
| Max C | 16 |
| Chatcapaciteit | 64 |
| Agentische capaciteit | 24 |
| TP | — |
| DP | — |
| PP | — |
| Engine | SGLang |
| Speculatieve decodering | Ja |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 139 | 155.77 | PASS |
| 2 | 196 | 119.96 | PASS |
| 4 | 221 | 90.76 | PASS |
| 8 | 252 | 63.69 | PASS |
| 16 | 257 | 43.19 | PASS |
| 32 | 3223 | 22.19 | FAIL |
In de meting van OpenZeka bereikte Qwen3.8-Flash-Next (176B parameters), aangeboden in NVFP4-formaat met SGLang en speculatieve decodering op RTX PRO 6000, met één verzoek een generatiesnelheid van 155.8 tok/s per verzoek en een time to first token (TTFT) van 139 ms.
Alleen rekening houdend met de snelheidsdoelen (de KV-cachelimiet is voor deze configuratie niet berekend), 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.
Opmerkingen: NEXTN MTP k=3. PLE N-gram table (47.7 GiB) in pinned host RAM. mem-frac 0.96, max 16 running; C=32 queues.
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 Qwen3.8-Flash-Next (176B parameters), aangeboden in NVFP4-formaat met SGLang en speculatieve decodering op RTX PRO 6000, met één verzoek een generatiesnelheid van 155.8 tok/s per verzoek en een time to first token (TTFT) van 139 ms.
Alleen rekening houdend met de snelheidsdoelen (de KV-cachelimiet is voor deze configuratie niet berekend), 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.