2× DGX Spark üzerinde GPT-OSS 120B — MXFP4, vLLM, TP2 çıkarım benchmark'ı
Bu yapılandırmayı LLM Çıkarım Benchmark Gezgini'nde aç
| Model | GPT-OSS 120B |
|---|---|
| Parametre | 120B |
| Zekâ Endeksi | 11.6 |
| Agentic Endeksi | 3.7 |
| Cihaz | 2× DGX Spark |
| Kuantizasyon | MXFP4 |
| Maks C | 8 |
| Chat Kapasitesi | 32 |
| Agentic Kapasitesi | 12 |
| TP | 2 |
| DP | — |
| PP | — |
| Inference Engine | vLLM |
| Spekülatif Kod Çözme | — |
| C | TTFT (ms) | TPS (tok/s) | Durum |
|---|---|---|---|
| 1 | 168 | 69.86 | PASS |
| 2 | 228 | 51.52 | PASS |
| 4 | 255 | 37.14 | PASS |
| 8 | 292 | 26.92 | PASS |
| 16 | 320 | 19.08 | FAIL |
| 32 | 465 | 12.63 | FAIL |
OpenZeka'nın ölçümünde, 2× DGX Spark üzerinde vLLM ile MXFP4 formatında sunulan GPT-OSS 120B (120B parametre, TP=2), tek istekte istek başına 69,9 tok/s üretim hızına ve 168 ms ilk token süresine (TTFT) ulaştı.
Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, tahmini kapasite chat kullanımı için 32, agentic kullanım için 12 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: CUTLASS MoE, FlashInfer attn. +26% TPS over TP=1 at C1
Zekâ Endeksi ve Agentic Endeksi değerleri Artificial Analysis tarafından yayımlanmıştır ve kaynak belirtilerek burada aktarılmıştır.
OpenZeka'nın ölçümünde, 2× DGX Spark üzerinde vLLM ile MXFP4 formatında sunulan GPT-OSS 120B (120B parametre, TP=2), tek istekte istek başına 69,9 tok/s üretim hızına ve 168 ms ilk token süresine (TTFT) ulaştı.
Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, tahmini kapasite chat kullanımı için 32, agentic kullanım için 12 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.