RTX PRO 6000 üzerinde GPT-OSS 120B — MXFP4, vLLM, TP1 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 | RTX PRO 6000 |
| Kuantizasyon | MXFP4 |
| Maks C | 64+ |
| Chat Kapasitesi | 55 |
| Agentic Kapasitesi | 13 |
| TP | — |
| DP | — |
| PP | — |
| Inference Engine | vLLM |
| Spekülatif Kod Çözme | — |
| C | TTFT (ms) | TPS (tok/s) | Durum |
|---|---|---|---|
| 1 | 52 | 169.64 | PASS |
| 2 | 59 | 125.81 | PASS |
| 4 | 64 | 98.77 | PASS |
| 8 | 80 | 76.57 | PASS |
| 16 | 122 | 55.27 | PASS |
| 32 | 160 | 41.88 | PASS |
| 64 | 206 | 31.76 | PASS |
OpenZeka'nın ölçümünde, RTX PRO 6000 üzerinde vLLM ile MXFP4 formatında sunulan GPT-OSS 120B (120B parametre), tek istekte istek başına 169,6 tok/s üretim hızına ve 52 ms ilk token süresine (TTFT) ulaştı.
Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, tahmini kapasite chat kullanımı için 55, agentic kullanım için 13 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: 4K context
Zekâ Endeksi ve Agentic Endeksi değerleri Artificial Analysis tarafından yayımlanmıştır ve kaynak belirtilerek burada aktarılmıştır.
OpenZeka'nın ölçümünde, RTX PRO 6000 üzerinde vLLM ile MXFP4 formatında sunulan GPT-OSS 120B (120B parametre), tek istekte istek başına 169,6 tok/s üretim hızına ve 52 ms ilk token süresine (TTFT) ulaştı.
Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, tahmini kapasite chat kullanımı için 55, agentic kullanım için 13 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.