MATCHED TEXT · 21 โจทย์ × 3 รอบต่อระบบ
Q8 เทียบ Q8
คุณภาพคำตอบและความเร็ว
DGX จบคำตอบครบ 63 รอบ แต่สร้าง token ช้ากว่า V100 ในชุดนี้
Qwen3.8 27B ทั้งคู่ · target UD-Q8_K_L / UD-Q8_K_XL · Thinking ON
V100: ชื่อไฟล์ Q8_K_XL แต่ endpoint รายงาน Q4_K - Medium; ยังไม่ยืนยัน precision ด้วย tensor audit ใหม่
ไม่มีรอบชนเพดาน token
ค่ากลางรวมช่วงคิดและรอ
ไม่ใช้จัดอันดับกับผลตรวจ V100 เดิม
เทียบโจทย์ชุดเดียวกัน
กำลังโหลดข้อมูล…
ผลตรวจคุณภาพคนละรอบ — ไม่ใช้จัดอันดับ
แยกผลตรวจ DGX รอบนี้กับ V100 ประวัติเดิม ไม่ใช่การเทียบด้วยเกณฑ์เดียวกัน
ความเร็วสร้างข้อความ
median(completion tokens ÷ เวลาคำขอ) · token/s
DGX ตรวจ final answers รอบนี้ ส่วน V100 ใช้ผลตรวจเดิม มีความต่างในการตรวจเพิ่มเติม K1 และการแยกป้าย K3 จึงไม่สรุปว่าโมเดลใดฉลาดกว่า ตัวหารความเร็วรวม thinking/prefill/รอ ไม่ใช่ native decode และไม่ใช่ความเร็วเฉพาะ final answer
ตั้ง context 262,144 token แต่ prompt จริง 240–1,800 token · เทียบ quant/runtime/hardware สองชุด ไม่ใช่ GPU อย่างเดียว
เวลาแต่ละช่วง
เวลาเริ่มมีข้อความอาจเป็น thinking ไม่ใช่คำตอบสุดท้าย · ค่ากลางคำนวณจาก 63 คำขอทุกครั้ง ไม่ได้เลือกเฉพาะคำตอบที่ผ่านคุณภาพ
เปิดดูคำตอบและผลตรวจ
วิธีทดสอบและข้อจำกัด
ข้อมูลโจทย์ทั้งหมดเป็นข้อมูลสมมติ ไม่ใช่ข้อเท็จจริงสินค้า · ผลตรวจ DGX ผ่าน independent assistant review และ parent assistant ตรวจรับแล้ว ไม่ blind และไม่ใช่การรับรองโดยมนุษย์ · noindex เป็นเพียงคำแนะนำไม่ให้เสิร์ชแสดงหน้า ไม่ใช่การจำกัดสิทธิ์เข้าถึง
การตั้งค่า เกณฑ์ และที่มาของหลักฐาน
ดาวน์โหลดคำตอบและหลักฐาน JSON · เวลา CSV
งานอ่านภาพ 9 ช่องไม่รองรับ จึงไม่อยู่ในกราฟ ไม่ใช่คะแนนศูนย์ · งานค้นเว็บและงานจริงอยู่คนละชุดกับผลนี้