VLM Inference Benchmark Explorer
Qwen3-VL-8B-Instruct op RTX PRO 6000 — Q8_0, llama.cpp vision-language-inferentiebenchmark
Deze configuratie openen in de VLM Inference Benchmark Explorer
| Model | Qwen3-VL-8B-Instruct |
|---|---|
| Parameters | 8.8B |
| Apparaat | RTX PRO 6000 |
| Kwantisatie | Q8_0 |
| Beeldformaat | 720p |
| Beelden per camera | 1 |
| Max. camera's (TTFT ≤ 3000 ms) | 16+ |
| Engine | llama.cpp |
| Camera's | TTFT (ms) | TPS (tok/s) | Doel |
|---|---|---|---|
| 1 | 329 | 153.8 | ≤3000 ms |
| 2 | 391 | 101.8 | ≤3000 ms |
| 4 | 611 | 62.0 | ≤3000 ms |
| 8 | 1294 | 75.2 | ≤3000 ms |
| 16 | 2032 | 56.3 | ≤3000 ms |
| Beelden per verzoek | TTFT (ms) | TPS (tok/s) | Doel |
|---|---|---|---|
| 1 | 329 | 153.8 | ≤3000 ms |
| 3 | 725 | 151.5 | ≤3000 ms |
| 5 | 1037 | 146.1 | ≤3000 ms |
Qwen3-VL-8B-Instruct (8.8B parameters), geserveerd in Q8_0-formaat met llama.cpp op RTX PRO 6000, begint één camera die één 720p-beeld stuurt na 329 ms (time to first token, TTFT) te antwoorden en schrijft daarna 153.8 tok/s.
Met 5 beelden per camera op 720p begint het antwoord na 1,037 ms. Met één beeld op 2K na 1,788 ms.
Bij het standaarddoel van een gemiddelde TTFT binnen 3,000 ms (720p, één beeld per camera) houdt het minstens 16 camera's tegelijk bij: ook bij het hoogste gemeten aantal haalde het het doel, dus de werkelijke grens ligt hoger.
Qwen3-VL-8B-Instruct (8.8B parameters), geserveerd in Q8_0-formaat met llama.cpp op RTX PRO 6000, begint één camera die één 720p-beeld stuurt na 329 ms (time to first token, TTFT) te antwoorden en schrijft daarna 153.8 tok/s.
Met 5 beelden per camera op 720p begint het antwoord na 1,037 ms. Met één beeld op 2K na 1,788 ms.
Bij het standaarddoel van een gemiddelde TTFT binnen 3,000 ms (720p, één beeld per camera) houdt het minstens 16 camera's tegelijk bij: ook bij het hoogste gemeten aantal haalde het het doel, dus de werkelijke grens ligt hoger.