ผลเวลาทดสอบ · ชุดโจทย์เตรียมข้อมูลไว้ (closed-pack)
DGX Flash เทียบ V100 Q8
โจทย์เดียวกัน เวลาเป็นอย่างไร?
ใช้ข้อความโจทย์และ seed เดียวกัน 21 กรณี กรณีละ 3 รอบ เปลี่ยนชื่อโมเดลใน request เท่านั้น เพื่อเปรียบเทียบการใช้งานของสองชุดเครื่องและโมเดล ไม่ใช่การวัดความเร็วฮาร์ดแวร์ล้วน
Flash จบคำตอบ 56 รอบ อีก 7 รอบชนเพดาน 8,192 tokens จึงจบไม่ครบ หน้ากราฟนี้เป็นภาพรวมการรัน ผลตรวจความถูกต้องและโค้ดอยู่ในหน้าผลครบชุด ไม่ควรตีความว่า 56 รอบคือ “ผ่าน” หรือ “พร้อมใช้”
กำลังโหลดข้อมูล…
เริ่มส่ง token แรก
ค่ากลาง (วินาที) · ยิ่งน้อยยิ่งเริ่มเร็ว
รวมช่วง thinking ไม่ใช่คำตอบสุดท้ายที่ผู้ใช้เห็น
เวลารอ request รวม
ครบ 63 รอบ (นาที) · รวมรอบตอบไม่ครบ
ความยาวคำตอบต่างกัน ไม่ใช่ pure decode tokens/s
อ่านกราฟอย่างไร
Flash เริ่มส่ง token ได้เร็วกว่าในค่ากลางของชุดนี้ แต่ใช้เวลารวมมากกว่า โดยมี 7 รอบชนเพดาน token อยู่ในเวลารวมด้วย จึงยังสรุปไม่ได้ว่าระบบใด “ดีกว่าทุกงาน”
งานอ่านภาพ 9 ช่องที่ V100 ไม่รองรับไม่ได้อยู่ในกราฟนี้ และผล Real-work Agent Track บน DGX เผยแพร่แยกในหน้าผลครบชุดแล้ว
DGX Flash
Qwen3.8 Flash Next NVFP4
vLLM · NVIDIA GB10
Context ตั้งไว้ 524,288 tokens
หน่วยความจำร่วม (unified memory) ไม่แยกเป็น VRAM อีกก้อนให้บวกรวมกับ RAM
V100 Q8
Qwen3.8 27B UD-Q8_K_XL
llama.cpp · layer split
Tesla V100 PCIe 32GB × 2
Context ตั้งไว้ 262,144 tokens
ดูเวลารายโจทย์
กติกาและข้อจำกัดในการเทียบ
คำสั่งขอ thinking เปิดและ reasoning medium เหมือนกัน แต่โมเดล ตัว tokenizer และ backend ต่างกัน การส่งพารามิเตอร์เหมือนกันไม่ได้พิสูจน์ว่าพฤติกรรมภายในเท่ากัน
Context เป็นค่าที่ตั้ง ไม่ใช่ผลยืนยันความแม่นยำเต็มหน้าต่าง เวลา TTFT จับก่อนเก็บ token เนื้อหาขั้นสุดท้าย; เวลา first-final แยกแสดงในแต่ละรอบ
การเตรียมและตรวจครั้งนี้ทำโดยผู้ช่วยหลัก งานตรวจแยกที่มอบหมาย timeout จึงไม่อ้างว่าผ่าน independent review ไม่มีการแก้ผลหรือลองซ้ำเพื่อเลือกคำตอบสวย
ผลตรวจคุณภาพและงานจริงครบชุด
อัปเดต: ตรวจชุดข้อความ63รอบ พร้อมค้นเว็บ ค้นภาพ บทความ และบทพูด12รอบแล้ว ดูข้อผิดพลาดและผลงานรายรอบแยกจากกราฟเวลาเดิม
ดูผลทดสอบ DGX Flash ครบชุด →