4× DGX Spark üzerinde Qwen3.5-397B-A17B — INT4, vLLM, TP4 çıkarım benchmark'ı
Bu yapılandırmayı LLM Çıkarım Benchmark Gezgini'nde aç
| Model | Qwen3.5-397B-A17B |
|---|---|
| Parametre | 397B |
| Zekâ Endeksi | 21.4 |
| Agentic Endeksi | — |
| Cihaz | 4× DGX Spark |
| Kuantizasyon | INT4 |
| Maks C | 4 |
| Chat Kapasitesi | 16 |
| Agentic Kapasitesi | 6 |
| TP | 4 |
| DP | — |
| PP | — |
| Inference Engine | vLLM |
| Spekülatif Kod Çözme | — |
| C | TTFT (ms) | TPS (tok/s) | Durum |
|---|---|---|---|
| 1 | 325 | 38.14 | PASS |
| 2 | 393 | 30.54 | PASS |
| 4 | 541 | 24.54 | PASS |
| 8 | 622 | 18.83 | FAIL |
OpenZeka'nın ölçümünde, 4× DGX Spark üzerinde vLLM ile INT4 formatında sunulan Qwen3.5-397B-A17B (397B parametre, TP=4), tek istekte istek başına 38,1 tok/s üretim hızına ve 325 ms ilk token süresine (TTFT) ulaştı.
Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, tahmini kapasite chat kullanımı için 16, agentic kullanım için 6 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: Switch topology, TP=4. 2.24x faster than PP=3 at C1.
Zekâ Endeksi ve Agentic Endeksi değerleri Artificial Analysis tarafından yayımlanmıştır ve kaynak belirtilerek burada aktarılmıştır.
OpenZeka'nın ölçümünde, 4× DGX Spark üzerinde vLLM ile INT4 formatında sunulan Qwen3.5-397B-A17B (397B parametre, TP=4), tek istekte istek başına 38,1 tok/s üretim hızına ve 325 ms ilk token süresine (TTFT) ulaştı.
Hız hedefleri ve kullanılabilir KV önbelleği kapasitesi göz önünde bulundurulduğunda, tahmini kapasite chat kullanımı için 16, agentic kullanım için 6 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.