DGX B300 üzerinde Nemotron-3-Ultra — BF16, vLLM, TP8 çıkarım benchmark'ı
Bu yapılandırmayı LLM Çıkarım Benchmark Gezgini'nde aç
| Model | Nemotron-3-Ultra |
|---|---|
| Parametre | 550B |
| Zekâ Endeksi | 22.9 |
| Agentic Endeksi | 20.1 |
| Cihaz | DGX B300 |
| Kuantizasyon | BF16 |
| Maks C | 16 |
| Chat Kapasitesi | 64 |
| Agentic Kapasitesi | 24 |
| TP | 8 |
| DP | — |
| PP | — |
| Inference Engine | vLLM |
| Spekülatif Kod Çözme | — |
| C | TTFT (ms) | TPS (tok/s) | Durum |
|---|---|---|---|
| 1 | 132 | 177.32 | PASS |
| 2 | 465 | 128.50 | PASS |
| 4 | 134 | 118.36 | PASS |
| 8 | 159 | 97.07 | PASS |
| 16 | 266 | 59.35 | PASS |
| 32 | 2159 | 33.09 | FAIL |
| 64 | 6064 | 17.61 | FAIL |
OpenZeka'nın ölçümünde, DGX B300 üzerinde vLLM ile BF16 formatında sunulan Nemotron-3-Ultra (550B parametre, TP=8), tek istekte istek başına 177,3 tok/s üretim hızına ve 132 ms ilk token süresine (TTFT) ulaştı.
Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, tahmini kapasite chat kullanımı için 64, agentic kullanım için 24 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.
Zekâ Endeksi ve Agentic Endeksi değerleri Artificial Analysis tarafından yayımlanmıştır ve kaynak belirtilerek burada aktarılmıştır.
OpenZeka'nın ölçümünde, DGX B300 üzerinde vLLM ile BF16 formatında sunulan Nemotron-3-Ultra (550B parametre, TP=8), tek istekte istek başına 177,3 tok/s üretim hızına ve 132 ms ilk token süresine (TTFT) ulaştı.
Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, tahmini kapasite chat kullanımı için 64, agentic kullanım için 24 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.