---
title: "Ministral-3 8B (BF16) · DGX Spark Arena"
canonical: "https://djangodevreng.nl/arena/ministral-3-8b-instruct-bf16/"
license: "CC-BY-4.0"
source: "https://github.com/djangodevreng/dgx-spark-benchmarks/tree/a948cec23b054c62fef595bad3cdb284066922ac/results/ministral-3/ministral-3-8b-instruct/bf16/"
source_revision: "a948cec23b054c62fef595bad3cdb284066922ac"
contract_version: 1
suite_version: "2026-08"
minimum_request_success_rate: 0.99
sanity_status: "not_recorded"
attribution: "Django de Vreng, https://djangodevreng.nl"
---

# Ministral-3 8B (BF16)

Gemeten op 2026-08-07 met vLLM v0.26.0. In de chattest met tien gelijktijdige verzoeken haalt dit profiel 24 tokens/s per gebruiker, met gemiddeld 1,25 seconden tot het eerste token. Bij 25k context stijgt die gemiddelde wachttijd naar 23,88 seconden. Bij deze historische run is geen sanity-check vastgelegd. Dat bewijs ontbreekt, ook wanneer de snelheidsmeting volgens de huidige regels meetelt. De capaciteitsmeting is afgebroken; daarmee is geen volledig capaciteitsplafond vastgesteld.

## Specificaties

- Vendor: Mistral AI
- Architectuur: Dense
- Parameters: 8B
- Precisie: BF16
- Context: 256K
- Gemeten op: 128K
- VRAM: 18 GB
- Engine: vLLM v0.26.0
- Hardware: DGX Spark, NVIDIA GB10, 128 GB unified memory
- Model card: https://huggingface.co/mistralai/Ministral-3-8B-Instruct-2512

## Quality (model-cards)

Alleen ter referentie. De harnesses en dekking verschillen per model; deze cijfers tellen niet mee in de hardware-score.

Bron: https://huggingface.co/mistralai/Ministral-3-8B-Instruct-2512

| Benchmark | Score |
| --- | --- |
| MMLU | 76.1 |
| GPQA-Diamond | 66.8 |
| LiveCodeBench | 61.6 |

## Benchmarks op de DGX Spark

Alleen complete runs zonder mislukte sanity-check tellen mee. Open-looptests vereisen minimaal 99% request success. Ruwe resultaten blijven zichtbaar.

| Test | tokens/s p/user | tokens/s totaal | TTFT (ms) | Request success | Ranking |
| --- | --- | --- | --- | --- | --- |
| 01 Chat | 24 | 184 | 1248 | n/a | telt mee |
| 02 RAG · 8k context | 15 | 124 | 6335 | n/a | telt mee |
| 03 Lange output en agents | 25 | 118 | 647 | n/a | telt mee |
| 04 Multi-turn kantoorwerk | 22 | 206 | 1966 | n/a | telt mee |
| 05 Grote context · 25k | 6 | 40 | 23875 | n/a | telt mee |
| 06 Gelijktijdigheid onder druk | 3 | 41 | 45792 | n/a | telt mee |
| 07 Realistische kantoor-baseline | 72 | 1299.8 | 1287 | 100% | telt mee |
| 08 Echte gesprekken · ShareGPT | 13 | 125.04 | 136 | 100% | telt mee |
| 09 Reasoning-workload | 9 | 379.65 | 592 | 100% | telt mee |
| 10 Maandagochtendpiek | 69 | 1862.01 | 1219 | 100% | telt mee |
| 11 Capaciteit · rate sweep | n/a | n/a | n/a | 100% | uitgesloten (source_incomplete) |

## Toelichting op deze run

**Chat: Chat bij tien gelijktijdige verzoeken**

Bij 1024 input- en 1024 outputtokens met tien gelijktijdige verzoeken meet ik gemiddeld 24 tokens/s per gebruiker. De gemiddelde wachttijd voor het eerste token is 1,25 seconden.

**Lange context: Wachttijd bij 25k context**

Bij 25000 inputtokens en 256 outputtokens met tien gelijktijdige verzoeken is de gemiddelde wachttijd voor het eerste token 23,88 seconden. Daarna genereert het model gemiddeld 6,23 tokens/s per gebruiker. De meting alleen toont niet of geheugen, promptverwerking of scheduling de oorzaak van vertraging is.

**Piekbelasting: Verzoeken en wachttijd bij piekbelasting**

De run verwerkt 0,41 verzoeken/s bij een ingestelde aankomstsnelheid van 1,5 verzoeken/s. 300 van de 300 verzoeken slagen. De p95-wachttijd voor het eerste token is 2,45 seconden.

**Meetdekking: Welke metingen meetellen**

10 van de 11 tests hebben een meting die volgens de huidige Arena-regels meetelt. Bij deze historische run is geen sanity-check vastgelegd. Dat bewijs ontbreekt, ook wanneer de snelheidsmeting volgens de huidige regels meetelt. Afgebroken: 11-rate-sweep.

## Noten

Model-ID: mistralai/Ministral-3-8B-Instruct-2512. Container: vllm/vllm-openai:v0.26.0-aarch64-cu129-ubuntu2404. llama-benchy 0.4.0. Bronrun: 2026-08-07T02:59:50+02:00. KV-cache fp8; max_model_len 131072; gpu_memory_utilization 0,9. Prefix caching uit; async scheduling aan. Extra serverflags: --tokenizer_mode mistral --config_format mistral --load_format mistral --max-num-batched-tokens 8192. 10 van de 11 tests hebben een meting die volgens de huidige Arena-regels meetelt. Bij deze historische run is geen sanity-check vastgelegd. Dat bewijs ontbreekt, ook wanneer de snelheidsmeting volgens de huidige regels meetelt. Afgebroken: 11-rate-sweep.

---

Licentie: CC-BY-4.0 (https://creativecommons.org/licenses/by/4.0/). Django de Vreng, https://djangodevreng.nl.
Volledige arena: https://djangodevreng.nl/arena/ · Ruwe runs (GitHub): https://github.com/djangodevreng/dgx-spark-benchmarks/tree/a948cec23b054c62fef595bad3cdb284066922ac/results/ministral-3/ministral-3-8b-instruct/bf16/