LLM Inference Benchmark Explorer
Qwen3-Coder-30B-A3B-Instruct op 1× DGX Spark — NVFP4, vLLM, TP1 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | Qwen3-Coder-30B-A3B-Instruct |
|---|---|
| Parameters | 30B |
| Intelligence Index | 9.6 |
| Agentic Index | — |
| Apparaat | 1× DGX Spark |
| Kwantisatie | NVFP4 |
| Max C | 32+ |
| Chatcapaciteit | 99 |
| Agentische capaciteit | 24 |
| TP | — |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | — |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 66 | 64.99 | PASS |
| 2 | 49 | 53.75 | PASS |
| 4 | 59 | 42.44 | PASS |
| 8 | 76 | 33.59 | PASS |
| 16 | 78 | 27.29 | PASS |
| 32 | 92 | 21.75 | PASS |
In de meting van OpenZeka bereikte Qwen3-Coder-30B-A3B-Instruct (30B parameters), aangeboden in NVFP4-formaat met vLLM op 1× DGX Spark, met één verzoek een generatiesnelheid van 65 tok/s per verzoek en een time to first token (TTFT) van 66 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 99 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: NVFP4 is 2.2x faster than FP16 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-Coder-30B-A3B-Instruct (30B parameters), aangeboden in NVFP4-formaat met vLLM op 1× DGX Spark, met één verzoek een generatiesnelheid van 65 tok/s per verzoek en een time to first token (TTFT) van 66 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 99 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.