DGX B300 üzerinde DeepSeek-V4.1-Flash-1017 — FP8, vLLM, TP2, spekülatif kod çözme k=3 çıkarım benchmark'ı
Bu yapılandırmayı LLM Çıkarım Benchmark Gezgini'nde aç
| Model | DeepSeek-V4.1-Flash-1017 |
|---|---|
| Parametre | 763B |
| Zekâ Endeksi | — |
| Agentic Endeksi | — |
| Cihaz | DGX B300 |
| Kuantizasyon | FP8 |
| Maks C | 256+ |
| Chat Kapasitesi | 1024+ |
| Agentic Kapasitesi | 384+ |
| TP | 2 |
| DP | — |
| PP | — |
| Inference Engine | vLLM |
| Spekülatif Kod Çözme | Evet |
| C | TTFT (ms) | TPS (tok/s) | Durum |
|---|---|---|---|
| 1 | 37 | 402.97 | PASS |
| 2 | 47 | 326.75 | PASS |
| 4 | 55 | 280.68 | PASS |
| 8 | 68 | 223.49 | PASS |
| 16 | 87 | 161.57 | PASS |
| 32 | 110 | 132.71 | PASS |
| 64 | 115 | 101.10 | PASS |
| 128 | 189 | 69.49 | PASS |
| 256 | 490 | 45.68 | PASS |
OpenZeka'nın ölçümünde, DGX B300 üzerinde vLLM ile FP8 formatında ve spekülatif kod çözmeyle sunulan DeepSeek-V4.1-Flash-1017 (763B parametre, TP=2), tek istekte istek başına 403 tok/s üretim hızına ve 37 ms ilk token süresine (TTFT) ulaştı.
Yalnızca hız hedefleri göz önünde bulundurulduğunda (bu yapılandırma için KV önbelleği sınırı hesaplanmadı), tahmini kapasite chat kullanımı için en az 1.024, agentic kullanım için en az 384 kullanıcıdır. Gerçekçi kapasite muhtemelen bu iki değer arasında olacaktır. Kodlama, araç kullanımı, uzun iş akışları ve çoklu ajan kullanımının ağırlıklı olduğu senaryolarda kapasite agentic tahmine yaklaşırken; daha kısa etkileşimlerin, standart sohbetlerin ve daha hafif görevlerin ağırlıkta olduğu kullanımlarda chat tahminine yaklaşacaktır.
“En az”, yapılandırmanın test edilen en yüksek yükte bile hız hedeflerini karşıladığı, yani gerçek kapasitenin daha yüksek olabileceği anlamına gelir.
Notlar: DSpark k=3, 1M context. Model: deepseek-ai/DeepSeek-V4.1-Flash-1017
Zekâ Endeksi ve Agentic Endeksi değerleri Artificial Analysis tarafından yayımlanmıştır ve kaynak belirtilerek burada aktarılmıştır.
OpenZeka'nın ölçümünde, DGX B300 üzerinde vLLM ile FP8 formatında ve spekülatif kod çözmeyle sunulan DeepSeek-V4.1-Flash-1017 (763B parametre, TP=2), tek istekte istek başına 403 tok/s üretim hızına ve 37 ms ilk token süresine (TTFT) ulaştı.
Yalnızca hız hedefleri göz önünde bulundurulduğunda (bu yapılandırma için KV önbelleği sınırı hesaplanmadı), tahmini kapasite chat kullanımı için en az 1.024, agentic kullanım için en az 384 kullanıcıdır. Gerçekçi kapasite muhtemelen bu iki değer arasında olacaktır. Kodlama, araç kullanımı, uzun iş akışları ve çoklu ajan kullanımının ağırlıklı olduğu senaryolarda kapasite agentic tahmine yaklaşırken; daha kısa etkileşimlerin, standart sohbetlerin ve daha hafif görevlerin ağırlıkta olduğu kullanımlarda chat tahminine yaklaşacaktır.
“En az”, yapılandırmanın test edilen en yüksek yükte bile hız hedeflerini karşıladığı, yani gerçek kapasitenin daha yüksek olabileceği anlamına gelir.