Beigesteuert vonMario AlkaNVIDIA Nemotron-3-Nano-4B
Performancebenchmark · gemessen am 22.07.2026 20:36
Benchmark-ID
run-20260722-190202-45dc8eTimebench 3 - Kombi (Prefill + Generation)Dense4BRuntime: llama.cppQuantisierung: Q4_K_M
⚠
Konfigurations-Hinweis: Es sind 3 Grafikkarten installiert, aber nur 1 wurde fuer diesen Lauf genutzt. Mit allen 3 GPUs koennte der Durchsatz deutlich hoeher liegen.
Generation93,42tok/s
Prefill2.629,86tok/s
Time to First Token822,00ms
Gesamtdauer23,63s
Concurrency1parallel
Einordnung im Feld
27von 455 Systemen
Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 1× parallel
Dieser Lauf ist besser als 94 % aller vergleichbaren Systeme.
Generation
93,4 tok/s
+165 % vs Ø 35,3
Prefill
2.629,9 tok/s
+34 % vs Ø 1.966,4
Time to First Token
822 ms
-98 % vs Ø 35.848
Verteilung im Feld1 – 148 tok/s
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-4B gleiches Modell3× 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-4B gleiches Modell3× AMD Radeon AI PRO R9700 · run-20260805-053357-ed67ec
136,2 tok/s
Nemotron-3-Nano-4B gleiches Modell3× 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
Nemotron-3-Nano-4B dieser Lauf3× AMD Radeon AI PRO R9700 · run-20260722-190202-45dc8e
93,4 tok/s
Wie schlägt sich dieser Benchmark mit anderen GPUs?
Dasselbe Modell auf anderer Hardware · 1× parallel · Generation (tok/s)
NVIDIA GeForce RTX 5090run-20260728-194135-d456e7
393,5 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260727-181607-bffb11
393,5 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260728-194136-ac388e
362,3 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260728-194136-5e5085
361,4 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260727-181606-a2f36d
356,7 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260728-194136-1be57b
355,6 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260727-142111-7e0547
236,9 tok/s
NVIDIA GeForce RTX 5070 Tirun-20260727-090153-f59d6d
233,7 tok/s
2× NVIDIA RTX A6000run-20260829-095458-abd5c5
217,8 tok/s
NVIDIA RTX A6000run-20260826-072502-685e56
166,5 tok/s
3× AMD Radeon AI PRO R9700run-20260805-053357-112090
139,8 tok/s
3× AMD Radeon AI PRO R9700run-20260805-053357-ed67ec
136,2 tok/s
3× AMD Radeon AI PRO R9700run-20260805-053357-16d611
129,5 tok/s
NVIDIA RTX A6000run-20260826-072502-e2fbb9
124,6 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: llama.cpp
Quantisierung: Q4_K_M
Modell: Nemotron-3-Nano-4B
Konfiguration
# LLM-Benchmark Konfiguration
# Modell : Nemotron-3-Nano-4B
# Engine : llama.cpp
# Run-ID : run-20260722-190202-45dc8e
# GPU : 3x AMD Radeon AI PRO R9700
# CPU : AMD Ryzen Threadripper PRO 7955WX 16-Cores
# RAM : 184 GB
bench@llm-benchmark:~$ /src/build/bin/llama-server \
-m /root/.cache/huggingface/hub/models--nvidia--NVIDIA-Nemotron-3-Nano-4B-GGUF/snapshots/ba223d14e45525f7fae81db77ea8cabeb2fc6c25/NVIDIA-Nemotron3-Nano-4B-Q4_K_M.gguf \
-ngl 999 \
-c 8192 \
-a NVIDIA-Nemotron-3-Nano-4B \
--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. | llamacpp |
| Modellalias?Der Name, unter dem das Modell ueber die API angesprochen wird. Genau dieser Wert muss im Request-Feld 'model' stehen. | NVIDIA-Nemotron-3-Nano-4B |
| Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann. | 8192 |
| Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird. | /root/.cache/huggingface/hub/models--nvidia--NVIDIA-Nemotron-3-Nano-4B-GGUF/snapshots/ba223d14e45525f7fae81db77ea8cabeb2fc6c25/NVIDIA-Nemotron3-Nano-4B-Q4_K_M.gguf |
| GPU-Layer?Anzahl der auf die GPU ausgelagerten Modell-Layer. Hoeher = mehr VRAM und schneller; der Rest laeuft auf der CPU. 999 = alles auf GPU. | 999 |
| Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells. | 8192 |
| Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen. | NVIDIA-Nemotron-3-Nano-4B |
Anzeige
Videoreihe und Benchmarkauswertung zur AMD R9700
Modell-Vergleich
Nemotron-3-Nano-4B auf verschiedener Hardware
Alle veröffentlichten Performance-Läufe dieses Modells – jede Blase eine Variante: Position = Prefill (X) × Generation (Y), Blasengröße = Anzahl Läufe. Näher oben rechts = schneller. ★ Gold markiert = dieser Benchmark.
GPUnach Grafikkarte
NVIDIA RTX PRO 6000 Blackwell Workstation Edition 2.182,7 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.937,7 tok/sNVIDIA GeForce RTX 5090 1.878,7 tok/sNVIDIA RTX A6000 1.485,1 tok/sNVIDIA GeForce RTX 5070 Ti 1.197,0 tok/sNVIDIA GeForce RTX 3090 Ti 992,1 tok/s★ AMD Radeon AI PRO R9700 667,0 tok/s dieser LaufNVIDIA GB10 (DGX Spark) 367,8 tok/sNVIDIA GeForce RTX 2060 125,7 tok/s
CPUnach Prozessor
AMD Ryzen 9 9950X 16-Core Processor 2.182,7 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.937,7 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 1.878,7 tok/s★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 1.485,1 tok/s dieser LaufAMD Ryzen Threadripper PRO 5975WX 32-Cores 1.197,0 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 992,1 tok/sNVIDIA Grace 367,8 tok/sIntel(R) Core(TM) i5-7400 CPU @ 3.00GHz 125,7 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 8,0 tok/s
MBnach Mainboard
ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 2.182,7 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.937,7 tok/s dieser LaufASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.878,7 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 1.197,0 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 992,1 tok/sASUSTeK COMPUTER INC. GX10 367,8 tok/sASRock H110 Pro BTC+ 125,7 tok/sDell Inc. PowerEdge R820 8,0 tok/s
DRVnach Treiber
unbekannt 2.182,7 tok/sNVIDIA 590.48.01 / CUDA 13.1 367,8 tok/s
💰 Economics
Wirtschaftlichkeit dieses Laufs
Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (1× parallel). Methodik →
⚙️ KonfigurationAlle Kennzahlen und Diagramme unten folgen diesen Einstellungen – bezogen auf 24 Monate Laufzeit.In URL übernehmenZurücksetzen
⚡ Strompreis
EUR/kWh
⚙️ System-Auslastung
100 %
🖥️ Anschaffung
EUR
🔌 Idle
125 W
⚡ TDP
971 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)971 W geschätzt (TDP)GPU 900 + CPU 46 + Board 25 W Volllast
Ø-Kosten / Stunde0,29 EUR
Strom / 1 Mio. Token0,87 EUR
Token / kWh346,36 Tsd.
Anschaffung (System)9.674 EUR VollpreisGPU 4.200 EUR · CPU 1.399 EUR · Board 1.299 EUR · RAM 2.576 EUR · Netzteil 200 EUR
Stromkosten (2 Jahre)–
TCO (2 Jahre)14.778 EUR
Output-Token (2 Jahre)5,89 Mrd.
☁️ Externes LLM (API) – Vergleich
Externe LLM-Kosten (2 Jahre)–
Ersparnis vs. extern (2 Jahre)–
Alle Werte oben und die Diagramme unten berücksichtigen die eingestellte System-Auslastung: bei X % generiert das System nur X % der Zeit, die restliche Zeit läuft es im Idle (125 W). Kosten pro Stunde sinken dadurch (mehr Idle), Kosten je Token steigen.
Kosten über 2 Jahre – nur Strom
Kosten über 2 Jahre – inkl. Anschaffung (TCO)
Geschwindigkeit vs. Token pro Euro
Euro pro 1 Mio. Token
Vergleich zur API – Wirtschaftlichkeit je Benchmark
| Nemotron-3-Nano-4B3x AMD Radeon AI PRO R9700 | Nemotron-3-Nano-4BNVIDIA GeForce RTX 5090 | Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition | Nemotron-3-Nano-4B3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition | |
|---|---|---|---|---|
| Kosten Strom (24 Mon.) | – | – | – | – |
| Kosten Anschaffung | – | – | – | – |
| Kosten Gesamt (TCO) | – | – | – | – |
| Generierte Token (24 Mon.) | – | – | – | – |
| Tokenpreis bei API | – | – | – | – |
| Break-Even-Point (Tage) | – | – | – | – |
| Ergebnis (Ersparnis / Ausgabe) | – | – | – | – |
3× AMD Radeon AI PRO R9700 · dieser Lauf 93 tok/sNVIDIA GeForce RTX 5090 394 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 393 tok/s3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 362 tok/s
Vergleich mit bis zu 3 nächstbesten Läufen dieses Modells bei gleicher Concurrency (mind. einer auf anderer Hardware). Leistung = GPU-TDP + CPU (Idle + 15 %) + Board (geschätzt), Anschaffung = komplettes System (GPU + CPU + Board + RAM + Netzteil), Preise = hinterlegte Marktpreise.
Beigesteuert von
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.