Runtime: godclaw
Quantization: AWQ
Operating system: Ubuntu 26.04 LTS (Kernel 7.0.0-27-generic)
Driver: AMD 7.0.0-27-generic
Model: Qwen3-Omni-30B-A3B-Thinking

Anmerkung

vLLM . 3 GPU . AWQ-4bit (cyankiwi/Qwen3-Omni-30B-A3B-Thinking-AWQ-4bit) . language-model-only

Configuration

benchmark-konfiguration — run-20260722-165909-5686ce

# LLM-Benchmark Konfiguration # Modell : Qwen3-Omni-30B-A3B-Thinking # Run-ID : run-20260722-165909-5686ce # GPU : 3x AMD Radeon AI PRO R9700 # CPU : 32x AMD Ryzen Threadripper PRO 7955WX 16-Cores # RAM : 184 GB bench@llm-benchmark:~$ cat benchmark.conf Konfigurationspfad cyankiwi/Qwen3-Omni-30B-A3B-Thinking-AWQ-4bit Engine vllm Modellalias Qwen3-Omni-30B-A3B-Thinking Kontextlaenge 8192 Tensor-Parallel 1 Pipeline-Parallel 3 Nur-Sprachmodell aktiv Dtype auto GPU-Speicher 0.90 Host 0.0.0.0 Port 8000

Engine?Die Inferenz-Software, die das Modell ausliefert (z.B. vLLM oder llama.cpp). Sie bestimmt Geschwindigkeit, unterstuetzte Modellformate und welche Parameter ueberhaupt verfuegbar sind.	vllm
Modellalias?Der Name, unter dem das Modell ueber die API angesprochen wird. Genau dieser Wert muss im Request-Feld 'model' stehen.	Qwen3-Omni-30B-A3B-Thinking
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	8192
Alias?Name, unter dem vLLM das Modell in der API anbietet. Der Client muss im Request-Feld 'model' exakt diesen Namen senden.	Qwen3-Omni-30B-A3B-Thinking
Tensor-Parallel?Anzahl GPUs, auf die JEDER einzelne Modell-Layer aufgeteilt wird (Tensor-Parallelitaet). Mehr GPUs = mehr VRAM und meist mehr Speed, aber die Anzahl der Attention-Heads muss durch diesen Wert teilbar sein (z.B. 32 Heads -> nur 1, 2, 4, 8 ... moeglich, NICHT 3).	1
Pipeline-Parallel?Anzahl GPUs, auf die die Modell-Layer der Reihe nach (als Pipeline) verteilt werden. Nutzt mehrere GPUs OHNE Teilbarkeits-Anforderung der Heads; erhoeht vor allem Kapazitaet und Durchsatz, die Latenz einer einzelnen Anfrage aber nicht zwingend.	3
Nur-Sprachmodell?Laedt bei multimodalen Modellen nur den Sprachteil. Spart VRAM, deaktiviert aber Bild-/Audio-Eingabe.	aktiv
Dtype?Zahlenformat der Modellgewichte bei der Berechnung (z.B. auto, float16, bfloat16). 'auto' waehlt automatisch das vom Modell empfohlene Format.	auto
Kontext?Maximale Kontextlaenge in Tokens (Eingabe + Ausgabe zusammen). Begrenzt, wie gross eine einzelne Anfrage sein darf.	8192
GPU-Speicher?Anteil des GPU-Speichers (0 bis 1), den vLLM belegen darf. 0.92 = 92 %. Hoeher = mehr Platz fuer den KV-Cache (mehr/laengere parallele Anfragen), aber groesseres Risiko fuer 'Out of Memory'.	0.90
Trust-Remote-Code?Erlaubt vLLM, mit dem Modell mitgelieferten Python-Code auszufuehren. Noetig fuer Architekturen, die vLLM nicht von Haus aus kennt. Nur bei vertrauenswuerdigen Modellen aktivieren.	aktiv
Host?Netzwerk-Adresse, an die der API-Server bindet. 0.0.0.0 = auf allen Netzwerk-Schnittstellen erreichbar.	0.0.0.0
Port?TCP-Port, auf dem der API-Server lauscht (bei vLLM standardmaessig 8000).	8000

All benchmarks of this model To leaderboard

Model comparison

Qwen3-Omni-30B-A3B-Thinking on various hardware

All published performance runs of this model – each bubble a variant: position = prefill (X) × generation (Y), bubble size = number of runs. Closer to the top right = faster. ★ Marked gold = this benchmark.

GPUby graphics card

NVIDIA GeForce RTX 5090 1.673,6 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.653,3 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.512,4 tok/sNVIDIA GeForce RTX 3090 Ti 927,4 tok/s★ AMD Radeon AI PRO R9700 160,6 tok/s this runNVIDIA GeForce RTX 5070 Ti 155,9 tok/s

CPUby processor

AMD Ryzen 7 5800X3D 8-Core Processor 1.673,6 tok/sAMD Ryzen 9 9950X 16-Core Processor 1.653,3 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.512,4 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 927,4 tok/s★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 160,6 tok/s this runAMD Ryzen Threadripper PRO 5975WX 32-Cores 155,9 tok/s

MBby mainboard

ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.673,6 tok/sASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.653,3 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.512,4 tok/s this runMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 927,4 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 155,9 tok/s

ENGby engine

llama.cpp 1.673,6 tok/svLLM 910,7 tok/sunbekannt 34,8 tok/s

DRVby driver

unbekannt 1.673,6 tok/s★ AMD 7.0.0-27-generic 34,8 tok/s this run

💰 Economics

Economics of this run

Operating cost, TCO and comparison with the next-best runs of the same model at identical concurrency (1× concurrent). Methodology →

⚙️ ConfigurationAll metrics and charts below follow these settings – based on a 24-month runtime.Save to URL Reset

⚡ Electricity price EUR/kWh

⚙️ System utilization 100 %

🖥️ Acquisition EUR

🔌 Idle 125 W

⚡ TDP 971 W

☁️ External LLM (API) show

Input €/1M Output €/1M Input per output token

Electricity0.30 EUR/kWh

Avg power (incl. idle)971 W estimated (TDP)GPU 900 + CPU 46 + Board 25 W full load

Avg cost / hourEUR 0.29

Electricity / 1M tokensEUR 2.32

Token / kWh129.10K

Acquisition (system)EUR 9,674 full priceGPU EUR 4,200 · CPU EUR 1,399 · Board EUR 1,299 · RAM EUR 2,576 · PSU EUR 200

Electricity (2 years)–

TCO (2 years)EUR 14,778

Output tokens (2 years)2.20B

☁️ External LLM (API) – comparison

External LLM cost (2 years)–

Savings vs. external (2 years)–

All values above and the charts below take the configured system utilization into account: at X% the system generates only X% of the time, the rest it idles (125 W). Cost per hour drops (more idle), cost per token rises.

Cost over 2 years – electricity only

Cost over 2 years – incl. acquisition (TCO)

Speed vs. tokens per euro

Euro per 1M tokens

Comparison vs. API – economics per benchmark

	Qwen3-Omni-30B-A3B-Thinking3x AMD Radeon AI PRO R9700	Qwen3-Omni-30B-A3B-ThinkingNVIDIA GeForce RTX 5090	Qwen3-Omni-30B-A3B-ThinkingNVIDIA RTX PRO 6000 Blackwell Workstation Edition	Qwen3-Omni-30B-A3B-Thinking3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition
Electricity cost (24 mo.)	–	–	–	–
Acquisition cost	–	–	–	–
Total cost (TCO)	–	–	–	–
Generated tokens (24 mo.)	–	–	–	–
Token price via API	–	–	–	–
Break-even point (days)	–	–	–	–
Result (savings / extra cost)	–	–	–	–

3× AMD Radeon AI PRO R9700 · this run 35 tok/s NVIDIA GeForce RTX 5090 308 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 304 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 270 tok/s

Comparison with up to 3 next-best runs of this model at the same concurrency (at least one on different hardware). Power = GPU TDP + CPU (idle + 15 %) + board (estimated), acquisition = full system (GPU + CPU + board + RAM + PSU), prices = stored market prices.

Contributed by

Mario Alka Administrator

@marioalka

Ich bin Unternehmer, Softwareentwickler und KI-Enthusiast. Seit vielen Jahren entwickle ich Unternehmenssoftware und beschäftige mich inzwischen fast täglich mit lokalen LLMs, KI-Agenten und leistungsfähiger KI-Hardware.

Mit LLM-Benchmark.de möchte ich eine Plattform schaffen, auf der Modelle, GPUs und Agenten objektiv und reproduzierbar miteinander verglichen werden.