एक सीमा-जागरूक GPU आवंटक का सात परिदृश्यों में FIFO शेड्यूलर के साथ बेंचमार्किंग की गई, जिसमें समान हार्डवेयर पर GPU उपयोग में 33 प्रतिशत बिंदु तक अधिक और प्राथमिकता-भारित आउटपुट में 105% तक अधिक प्राप्त हुआ। सिस्टम रियल-टाइम इनफरेंस मांग को एक स्थिर आरक्षण के बजाय एक उतार-चढ़ाव वाली वक्र के रूप में मानता है, जिससे बैच-जैसे जॉब्स गहराई के दौरान क्षमता को भर सकते हैं जबकि सलग्न GPU ब्लॉक्स और नॉन-प्रिइम्पशन जैसे कठोर सीमाओं का सम्मान करते हुए।
- उपयोग 52–85% बैंड से बढ़कर 72–88% हो गया, और प्रतिस्पर्धी परिदृश्यों में प्राथमिकता-भारित मूल्य औसतन 52% बढ़ा।
- 8 GPUs पर प्रशिक्षण-केंद्रित वर्कलोड में, उपयोग 53.6% से बढ़कर 87.0% हो गया, जिससे आउटपुट मूल्य दोगुना से अधिक हो गया।
- आवंटक मानक परिदृश्यों के लिए 1–2 मिलीसेकंड में और 64 GPUs व 30 जॉब्स वाले बड़े पैमाने के परीक्षणों के लिए 15 मिलीसेकंड में काम करता है।
- समान प्राथमिकताओं के साथ भी, सिस्टम ने उपयोग को 76.8% से बढ़कर 87.5% किया, यह दिखाते हुए कि हॉरिजन प्लानिंग प्राथमिकता भारण से परे लाभ प्रदान करती है।
आगमन क्रम पर निर्भर रहने के बजाय पूरे शेड्यूलिंग हॉरिजन भर में आवंटन निर्णयों को अनुकूलित करके, आवंटक स्थिर आरक्षणों से होने वाली निष्क्रिय क्षमता को रोकता है और सुनिश्चित करता है कि उच्च-प्राथमिकता वाले वर्कलोड कुशलता से शेड्यूल किए जाएँ।