DGX B300 üzerinde Kimi K3 — MXFP4, vLLM, TP8 çıkarım benchmark'ı
Bu yapılandırmayı LLM Çıkarım Benchmark Gezgini'nde aç
| Model | Kimi K3 |
|---|---|
| Parametre | 2.78T |
| Zekâ Endeksi | 43.6 |
| Agentic Endeksi | 50 |
| Cihaz | DGX B300 |
| Kuantizasyon | MXFP4 |
| Maks C | 64+ |
| Chat Kapasitesi | 150 |
| Agentic Kapasitesi | 50 |
| TP | 8 |
| DP | — |
| PP | — |
| Inference Engine | vLLM |
| Spekülatif Kod Çözme | — |
| C | TTFT (ms) | TPS (tok/s) | Durum |
|---|---|---|---|
| 1 | 67 | 100.84 | PASS |
| 2 | 105 | 83.98 | PASS |
| 4 | 146 | 73.17 | PASS |
| 8 | 388 | 54.03 | PASS |
| 16 | 544 | 43.95 | PASS |
| 32 | 608 | 35.18 | PASS |
| 64 | 732 | 27.49 | PASS |
OpenZeka'nın ölçümünde, DGX B300 üzerinde vLLM ile MXFP4 formatında sunulan Kimi K3 (2,78T parametre, TP=8), tek istekte istek başına 100,8 tok/s üretim hızına ve 67 ms ilk token süresine (TTFT) ulaştı.
Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, tahmini kapasite chat kullanımı için 150, agentic kullanım için 50 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: 2.8T MoE, 104B active, 896 experts, 1M context. GMU 0.95
Zekâ Endeksi ve Agentic Endeksi değerleri Artificial Analysis tarafından yayımlanmıştır ve kaynak belirtilerek burada aktarılmıştır.
OpenZeka'nın ölçümünde, DGX B300 üzerinde vLLM ile MXFP4 formatında sunulan Kimi K3 (2,78T parametre, TP=8), tek istekte istek başına 100,8 tok/s üretim hızına ve 67 ms ilk token süresine (TTFT) ulaştı.
Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, tahmini kapasite chat kullanımı için 150, agentic kullanım için 50 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.