8× DGX Spark üzerinde DeepSeek-V4.1-Flash — FP8, vLLM, TP8, spekülatif kod çözme k=5 çıkarım benchmark'ı
Bu yapılandırmayı LLM Çıkarım Benchmark Gezgini'nde aç
| Model | DeepSeek-V4.1-Flash |
|---|---|
| Parametre | 763B |
| Zekâ Endeksi | 39.5 |
| Agentic Endeksi | — |
| Cihaz | 8× DGX Spark |
| Kuantizasyon | FP8 |
| Maks C | 2 |
| Chat Kapasitesi | 8 |
| Agentic Kapasitesi | 3 |
| TP | 8 |
| DP | — |
| PP | — |
| Inference Engine | vLLM |
| Spekülatif Kod Çözme | Evet |
| C | TTFT (ms) | TPS (tok/s) | Durum |
|---|---|---|---|
| 1 | 199 | 33.28 | PASS |
| 2 | 301 | 26.76 | PASS |
| 4 | 401 | 17.07 | FAIL |
| 8 | 554 | 11.74 | FAIL |
OpenZeka'nın ölçümünde, 8× DGX Spark üzerinde vLLM ile FP8 formatında ve spekülatif kod çözmeyle sunulan DeepSeek-V4.1-Flash (763B parametre, TP=8), tek istekte istek başına 33,3 tok/s üretim hızına ve 199 ms ilk token süresine (TTFT) ulaştı.
Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, tahmini kapasite chat kullanımı için 8, agentic kullanım için 3 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.
Notlar: DSpark k=5, 1M context, Engram-on-disk. Model: deepseek-ai/DeepSeek-V4.1-Flash
Zekâ Endeksi ve Agentic Endeksi değerleri Artificial Analysis tarafından yayımlanmıştır ve kaynak belirtilerek burada aktarılmıştır.
OpenZeka'nın ölçümünde, 8× DGX Spark üzerinde vLLM ile FP8 formatında ve spekülatif kod çözmeyle sunulan DeepSeek-V4.1-Flash (763B parametre, TP=8), tek istekte istek başına 33,3 tok/s üretim hızına ve 199 ms ilk token süresine (TTFT) ulaştı.
Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, tahmini kapasite chat kullanımı için 8, agentic kullanım için 3 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.