⚠

Configuration note: Es sind 3 Grafikkarten installiert, aber nur 2 wurden fuer diesen Lauf genutzt (tensor-parallel-size=2). Mit allen 3 GPUs koennte der Durchsatz deutlich hoeher liegen.

Generation47,65tok/s

Prefill5.913,20tok/s

Time to First Token437,00ms

Total duration43,85s

Concurrency1parallel

Ranking in the field

This GPU All GPUs

112of 455 systems

Performance benchmark · Primary metric: Generation-Speed (tok/s) · 1× concurrent

This run is better than 75 % of all comparable systems.

Generation 47,7 tok/s

+35 % vs Ø 35,3

Prefill 5.913,2 tok/s

+201 % vs Ø 1.966,4

Time to First Token 437 ms

-99 % vs Ø 35.848

Distribution in the field1 – 148 tok/s

Ø 35 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260722-165909-85f64f

147,8 tok/s

gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260722-165908-d95290

147,8 tok/s

gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260722-165909-637af7

143,9 tok/s

gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260722-165908-95273d

143,9 tok/s

Nemotron-3-Nano-4B3× AMD Radeon AI PRO R9700 · run-20260805-053357-112090

139,8 tok/s

gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260722-165909-65d35f

137,7 tok/s

gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260722-165908-ff206d

137,7 tok/s

Nemotron-3-Nano-4B3× AMD Radeon AI PRO R9700 · run-20260805-053357-ed67ec

136,2 tok/s

Nemotron-3-Nano-4B3× AMD Radeon AI PRO R9700 · run-20260805-053357-16d611

129,5 tok/s

Nemotron-3-Nano-30B-A3B4× AMD Radeon AI PRO R9700 · run-20260817-111922-dd07f5

125,7 tok/s

Nemotron-3.5-Lightning-30B-A3B4× AMD Radeon AI PRO R9700 · run-20260815-060242-025c3d

121,3 tok/s

Nemotron-3.5-Lightning-30B-A3B4× AMD Radeon AI PRO R9700 · run-20260815-060242-dadb7a

113,6 tok/s

Nemotron-3.5-Lightning-30B-A3B4× AMD Radeon AI PRO R9700 · run-20260815-060243-6a7849

108,1 tok/s

Nemotron-Cascade-2-30B-A3B3× AMD Radeon AI PRO R9700 · run-20260722-181156-a273f2

107,9 tok/s

Qwen3-Coder-30B-A3B-Instruct this run3× AMD Radeon AI PRO R9700 · run-20260722-165911-d1e9d5

47,7 tok/s

How does this benchmark compare on other GPUs?

Same model on different hardware · 1× concurrent · Generation (tok/s)

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260729-032124-ac5167

311,3 tok/s

NVIDIA GeForce RTX 5090run-20260729-105335-497cfe

309,3 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105342-24a323

273,6 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105342-8166ac

272,2 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105342-781ac2

271,6 tok/s

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260724-004605-d79930

237,2 tok/s

NVIDIA GeForce RTX 3090 Tirun-20260729-060804-5f5c60

198,4 tok/s

2× NVIDIA RTX A6000run-20260829-120718-30b82a

188,9 tok/s

2× NVIDIA RTX A6000run-20260830-033127-c4c7c2

173,2 tok/s

2× NVIDIA RTX A6000run-20260827-203813-6f66e2

173,1 tok/s

NVIDIA GeForce RTX 3090 Tirun-20260724-004603-963be0

171,7 tok/s

2× NVIDIA RTX A6000run-20260827-083601-26f142

164,1 tok/s

2× NVIDIA RTX A6000run-20260829-181042-2639a1

162,3 tok/s

NVIDIA RTX A6000run-20260826-054846-d66c35

161,6 tok/s

Hardware

GPU: 3x AMD Radeon AI PRO R9700 · 32 GB VRAM
CPU: AMD Ryzen Threadripper PRO 7955WX 16-Cores
RAM: 184 GB
Mainboard: ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE

Setup

Runtime: vLLM
Quantization: AWQ
Model: Qwen3-Coder-30B-A3B-Instruct

Configuration

benchmark-konfiguration — run-20260722-165911-d1e9d5

# LLM-Benchmark Konfiguration # Modell : Qwen3-Coder-30B-A3B-Instruct # Engine : vLLM # Run-ID : run-20260722-165911-d1e9d5 # GPU : 3x AMD Radeon AI PRO R9700 # CPU : AMD Ryzen Threadripper PRO 7955WX 16-Cores # RAM : 184 GB bench@llm-benchmark:~$ /opt/python/bin/python /opt/python/bin/vllm serve stelterlab/Qwen3-Coder-30B-A3B-Instruct-AWQ \ --served-model-name Qwen3-Coder-30B-A3B-Instruct \ --tensor-parallel-size 2 \ --dtype auto \ --max-model-len 8192 \ --gpu-memory-utilization 0.90 \ --trust-remote-code \ --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-Coder-30B-A3B-Instruct
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	8192
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.	Qwen3-Coder-30B-A3B-Instruct
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).	2
Dtype?Zahlenformat der Modellgewichte bei der Berechnung (z.B. auto, float16, bfloat16). 'auto' waehlt automatisch das vom Modell empfohlene Format.	auto
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	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

All benchmarks of this model To leaderboard

Model comparison

Qwen3-Coder-30B-A3B-Instruct 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 1.716,6 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.690,0 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.545,3 tok/sNVIDIA GeForce RTX 3090 Ti 928,5 tok/sNVIDIA RTX A6000 789,2 tok/sAMD Radeon PRO W7800 48GB 289,5 tok/sAMD Radeon PRO W7900 Dual Slot 277,0 tok/sNVIDIA GB10 (DGX Spark) 182,9 tok/sNVIDIA GeForce RTX 5070 Ti 157,0 tok/s★ AMD Radeon AI PRO R9700 99,0 tok/s this runNVIDIA GeForce RTX 2060 6,7 tok/s

CPUby processor

AMD Ryzen 7 5800X3D 8-Core Processor 1.716,6 tok/sAMD Ryzen 9 9950X 16-Core Processor 1.690,0 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.545,3 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 928,5 tok/s★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 789,2 tok/s this runAMD Ryzen Threadripper PRO 5975WX 32-Cores 289,5 tok/sNVIDIA Grace 182,9 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 6,7 tok/s

MBby mainboard

ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.716,6 tok/sASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.690,0 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.545,3 tok/s this runMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 928,5 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 289,5 tok/sASUSTeK COMPUTER INC. GX10 182,9 tok/sDell Inc. PowerEdge R820 6,7 tok/s

ENGby engine

llama.cpp 1.716,6 tok/s★ vLLM 1.070,6 tok/s this rununbekannt 88,2 tok/s

DRVby driver

unbekannt 1.716,6 tok/sNVIDIA 590.48.01 / CUDA 13.1 182,9 tok/sAMD 7.0.0-27-generic 88,2 tok/s

💰 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 105 W

⚡ TDP 671 W

☁️ External LLM (API) show

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

Electricity0.30 EUR/kWh

Avg power (incl. idle)671 W estimated (TDP)GPU 600 + CPU 46 + Board 25 W full load

Avg cost / hourEUR 0.20

Electricity / 1M tokensEUR 1.17

Token / kWh255.65K

Acquisition (system)EUR 8,254 full priceGPU EUR 2,800 · CPU EUR 1,399 · Board EUR 1,299 · RAM EUR 2,576 · PSU EUR 180

Electricity (2 years)–

TCO (2 years)EUR 11,781

Output tokens (2 years)3.01B

☁️ 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 (105 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-Coder-30B-A3B-Instruct2x AMD Radeon AI PRO R9700	Qwen3-Coder-30B-A3B-InstructNVIDIA RTX PRO 6000 Blackwell Workstation Edition	Qwen3-Coder-30B-A3B-InstructNVIDIA GeForce RTX 5090	Qwen3-Coder-30B-A3B-Instruct3x 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)	–	–	–	–

2× AMD Radeon AI PRO R9700 · this run 48 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 311 tok/s NVIDIA GeForce RTX 5090 309 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 274 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.