Created bymario-alka.dePowered bygodcore.denoob2claw.detricoma.de
NVIDIA

OpenReasoning-Nemotron-32B

Performancebenchmark · gemessen am 22.07.2026 20:26

Benchmark-IDrun-20260722-190202-aa6bcb
Timebench 3 - Kombi (Prefill + Generation)Dense32BRuntime: llama.cppQuantisierung: Q4_K_M
Generation23,25tok/s
Prefill1.196,31tok/s
Time to First Token2.114,50ms
Gesamtdauer102,80s
Concurrency1parallel
Einordnung im Feld
99von 140 Systemen

Performancebenchmark · Leitmetrik: Generation-Speed (tok/s)

Dieser Lauf ist besser als 29 % aller vergleichbaren Systeme.
Generation 23,3 tok/s
-43 % vs Ø 41,1
Prefill 1.196,3 tok/s
-57 % vs Ø 2.784,3
Time to First Token 2.115 ms
-33 % vs Ø 3.177
Verteilung im Feld1 – 148 tok/s
Ø 41 Median Dieser Lauf

Wie schlägt sich dieser Benchmark?

Hardware

GPU: 3x AMD Radeon AI PRO R9700 · 32 GB VRAM
CPU: 32x AMD Ryzen Threadripper PRO 7955WX 16-Cores
RAM: 184 GB

Setup

Runtime: llama.cpp
Quantisierung: Q4_K_M
Modell: OpenReasoning-Nemotron-32B

Konfiguration

benchmark-konfiguration — run-20260722-190202-aa6bcb
# LLM-Benchmark Konfiguration # Modell : OpenReasoning-Nemotron-32B # Engine : llama.cpp # Run-ID : run-20260722-190202-aa6bcb # GPU : 3x AMD Radeon AI PRO R9700 # CPU : 32x AMD Ryzen Threadripper PRO 7955WX 16-Cores # RAM : 184 GB bench@llm-benchmark:~$ /src/build/bin/llama-server \ -m /root/.cache/huggingface/hub/models--bartowski--nvidia_OpenReasoning-Nemotron-32B-GGUF/snapshots/5e5d5c072b86580ef2920e2f3915e6c5696eb65d/nvidia_OpenReasoning-Nemotron-32B-Q4_K_M.gguf \ -ngl 999 \ -c 8192 \ -a OpenReasoning-Nemotron-32B \ -sm layer \ --host 0.0.0.0 \ --port 8000
Enginellamacpp
ModellaliasOpenReasoning-Nemotron-32B
Kontextlaenge8192
Modellpfad/root/.cache/huggingface/hub/models--bartowski--nvidia_OpenReasoning-Nemotron-32B-GGUF/snapshots/5e5d5c072b86580ef2920e2f3915e6c5696eb65d/nvidia_OpenReasoning-Nemotron-32B-Q4_K_M.gguf
GPU-Layer999
Kontext8192
AliasOpenReasoning-Nemotron-32B
Split-Modelayer

Alle Benchmarks dieses Modells Zum Leaderboard