4× DGX Spark üzerinde MiniMax-M3.1-Flash — NVFP4, vLLM, TP4, spekülatif kod çözme k=8 çıkarım benchmark'ı
Bu yapılandırmayı LLM Çıkarım Benchmark Gezgini'nde aç
| Model | MiniMax-M3.1-Flash |
|---|---|
| Parametre | 428B |
| Zekâ Endeksi | — |
| Agentic Endeksi | — |
| Cihaz | 4× DGX Spark |
| Kuantizasyon | NVFP4 |
| Maks C | 2 |
| Chat Kapasitesi | 8 |
| Agentic Kapasitesi | 3 |
| TP | 4 |
| DP | — |
| PP | — |
| Inference Engine | vLLM |
| Spekülatif Kod Çözme | Evet |
| C | TTFT (ms) | TPS (tok/s) | Durum |
|---|---|---|---|
| 1 | 489 | 34.96 | PASS |
| 2 | 674 | 20.51 | PASS |
| 4 | 815 | 14.01 | FAIL |
| 8 | 1553 | 9.76 | FAIL |
OpenZeka'nın ölçümünde, 4× DGX Spark üzerinde vLLM ile NVFP4 formatında ve spekülatif kod çözmeyle sunulan MiniMax-M3.1-Flash (428B parametre, TP=4), tek istekte istek başına 35 tok/s üretim hızına ve 489 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=8, 1M context. MXFP8 dense layers, NVFP4 experts. Measured up to 8 concurrent requests. Model: MiniMaxAI/MiniMax-M3.1-Flash
Zekâ Endeksi ve Agentic Endeksi değerleri Artificial Analysis tarafından yayımlanmıştır ve kaynak belirtilerek burada aktarılmıştır.
OpenZeka'nın ölçümünde, 4× DGX Spark üzerinde vLLM ile NVFP4 formatında ve spekülatif kod çözmeyle sunulan MiniMax-M3.1-Flash (428B parametre, TP=4), tek istekte istek başına 35 tok/s üretim hızına ve 489 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.