DGX B300 üzerinde Inkling — NVFP4, vLLM, TP4 çıkarım benchmark'ı
Bu yapılandırmayı LLM Çıkarım Benchmark Gezgini'nde aç
| Model | Inkling |
|---|---|
| Parametre | 952B |
| Zekâ Endeksi | 25 |
| Agentic Endeksi | 22.5 |
| Cihaz | DGX B300 |
| Kuantizasyon | NVFP4 |
| Maks C | 64+ |
| Chat Kapasitesi | 256+ |
| Agentic Kapasitesi | 96+ |
| TP | 4 |
| DP | — |
| PP | — |
| Inference Engine | vLLM |
| Spekülatif Kod Çözme | — |
| C | TTFT (ms) | TPS (tok/s) | Durum |
|---|---|---|---|
| 1 | 51 | 134.24 | PASS |
| 2 | 165 | 107.48 | PASS |
| 4 | 63 | 100.75 | PASS |
| 8 | 77 | 84.07 | PASS |
| 16 | 126 | 64.69 | PASS |
| 32 | 147 | 48.53 | PASS |
| 64 | 153 | 35.11 | PASS |
OpenZeka'nın ölçümünde, DGX B300 üzerinde vLLM ile NVFP4 formatında sunulan Inkling (952B parametre, TP=4), tek istekte istek başına 134,2 tok/s üretim hızına ve 51 ms ilk token süresine (TTFT) ulaştı.
Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, tahmini kapasite chat kullanımı için en az 256, agentic kullanım için en az 96 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.
Zekâ Endeksi ve Agentic Endeksi değerleri Artificial Analysis tarafından yayımlanmıştır ve kaynak belirtilerek burada aktarılmıştır.
OpenZeka'nın ölçümünde, DGX B300 üzerinde vLLM ile NVFP4 formatında sunulan Inkling (952B parametre, TP=4), tek istekte istek başına 134,2 tok/s üretim hızına ve 51 ms ilk token süresine (TTFT) ulaştı.
Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, tahmini kapasite chat kullanımı için en az 256, agentic kullanım için en az 96 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.