Beigesteuert vonMario AlkaQwen (Alibaba) Qwen3-Coder-30B-A3B-Instruct
Performancebenchmark · gemessen am 22.07.2026 23:49
Benchmark-ID
run-20260723-015519-457108Timebench 3 - Kombi (Prefill + Generation)MoE30BRuntime: llama.cppQuantisierung: Q4_K_M
Generation6,05tok/s
Prefill104,04tok/s
Time to First Token116.729,00ms
Gesamtdauer600,00s
Concurrency5parallel
Einordnung im Feld
1172von 1224 Systemen
Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 5× parallel
Dieser Lauf ist besser als 4 % aller vergleichbaren Systeme.
Generation
6,1 tok/s
-98 % vs Ø 261,0
Prefill
104,0 tok/s
-98 % vs Ø 5.346,4
Time to First Token
116.729 ms
+289 % vs Ø 29.991
Verteilung im Feld0 – 1.349 tok/s
Wie schlägt sich dieser Benchmark mit anderen Modellen?
gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181606-0adf6d
1.349,3 tok/s
gemma-4-E2B-itNVIDIA GeForce RTX 5090 · run-20260728-184455-5b4937
1.301,9 tok/s
gemma-4-E2B-it3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-184456-4111a9
1.195,7 tok/s
Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181607-30d864
1.188,7 tok/s
Nemotron-3-Nano-4BNVIDIA GeForce RTX 5090 · run-20260728-194135-5432cd
1.164,8 tok/s
gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260728-140954-9e81f9
1.136,3 tok/s
gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260730-035052-09627f
1.135,0 tok/s
gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260729-032121-058a31
1.113,5 tok/s
Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-836a91
1.090,6 tok/s
Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260727-181606-8b381e
1.077,4 tok/s
Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-b8a818
1.071,0 tok/s
Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-038e92
1.051,1 tok/s
gpt-oss-20b3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-032121-ffb18a
1.015,5 tok/s
Nemotron-3-Nano-30B-A3BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260729-032121-305ad6
1.007,8 tok/s
Qwen3-Coder-30B-A3B-Instruct dieser Lauf2× NVIDIA GeForce RTX 2060 · run-20260723-015519-457108
6,1 tok/s
Wie schlägt sich dieser Benchmark mit anderen GPUs?
Dasselbe Modell auf anderer Hardware · 5× parallel · Generation (tok/s)
NVIDIA GeForce RTX 5090run-20260729-105335-2a979a
946,7 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260729-032124-ebc781
938,2 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105343-5dfeea
840,4 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105342-cb4be1
838,0 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105342-293978
814,5 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260724-004605-81e02e
676,8 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260729-060804-5e123f
554,8 tok/s
2× NVIDIA RTX A6000run-20260829-120718-837444
544,2 tok/s
2× NVIDIA RTX A6000run-20260827-083601-e8d6b9
484,1 tok/s
2× NVIDIA RTX A6000run-20260829-181042-6837bd
404,6 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260724-004603-320a27
399,1 tok/s
2× NVIDIA RTX A6000run-20260827-133004-e06538
369,0 tok/s
NVIDIA RTX A6000run-20260826-204555-4f4cf2
330,5 tok/s
2× NVIDIA RTX A6000run-20260830-033127-0def9f
298,3 tok/s
Hardware
GPU: 2x NVIDIA GeForce RTX 2060 · 6 GB VRAM
CPU: 4x Intel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz
RAM: 504 GB
Mainboard: Dell Inc. PowerEdge R820
Setup
Runtime: llama.cpp
Quantisierung: Q4_K_M
Modell: Qwen3-Coder-30B-A3B-Instruct
Konfiguration
# LLM-Benchmark Konfiguration
# Modell : Qwen3-Coder-30B-A3B-Instruct
# Engine : llama.cpp
# Run-ID : run-20260723-015519-457108
# GPU : 2x NVIDIA GeForce RTX 2060
# CPU : 4x Intel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz
# RAM : 504 GB
bench@llm-benchmark:~$ /opt/llama.cpp/build/bin/llama-server \
-m /opt/models/Qwen3-Coder-30B-A3B-Instruct-Q4_K_M.gguf \
-a Qwen3-Coder-30B-A3B-Instruct \
--host 0.0.0.0 \
--port 8080 \
--numa distribute \
-t 64 \
-tb 64 \
-c 8192 \
--parallel 4
| 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. | Qwen3-Coder-30B-A3B-Instruct |
| 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. | /opt/models/Qwen3-Coder-30B-A3B-Instruct-Q4_K_M.gguf |
| Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen. | Qwen3-Coder-30B-A3B-Instruct |
| NUMA?NUMA-Optimierung fuer Multi-Socket-CPUs: distribute/isolate/numactl. Verbessert die Speicherlokalitaet. | distribute |
| Threads?Anzahl CPU-Threads fuer die Token-Generierung (Decode). | 64 |
| Batch-Threads?Anzahl CPU-Threads fuer Prompt-Verarbeitung und Batch (Prefill). | 64 |
| Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells. | 8192 |
| Parallel?Anzahl paralleler Slots/Sequenzen, die der Server gleichzeitig bedient. Der Kontext wird auf die Slots aufgeteilt. | 4 |
Anzeige
Modell-Vergleich
Qwen3-Coder-30B-A3B-Instruct 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 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/sAMD Radeon AI PRO R9700 99,0 tok/s★ NVIDIA GeForce RTX 2060 6,7 tok/s dieser Lauf
CPUnach Prozessor
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/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 789,2 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 289,5 tok/sNVIDIA Grace 182,9 tok/s★ Intel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 6,7 tok/s dieser Lauf
MBnach Mainboard
ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.716,6 tok/sASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.690,0 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.545,3 tok/sMeigao 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/s★ Dell Inc. PowerEdge R820 6,7 tok/s dieser Lauf
DRVnach Treiber
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
Wirtschaftlichkeit dieses Laufs
Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (5× 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
55 W
⚡ TDP
359 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)359 W geschätzt (TDP)GPU 320 + CPU 29 + Board 10 W Volllast
Ø-Kosten / Stunde0,11 EUR
Strom / 1 Mio. Token4,94 EUR
Token / kWh60,71 Tsd.
Anschaffung (System)2.425 EUR TeilpreisGPU 220 EUR · CPU 39 EUR · RAM 2.016 EUR · Netzteil 150 EUR
Stromkosten (2 Jahre)–
TCO (2 Jahre)4.311 EUR
Output-Token (2 Jahre)381,59 Mio.
☁️ 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 (55 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
| Qwen3-Coder-30B-A3B-Instruct2x NVIDIA GeForce RTX 2060 | Qwen3-Coder-30B-A3B-InstructNVIDIA GeForce RTX 5090 | Qwen3-Coder-30B-A3B-InstructNVIDIA RTX PRO 6000 Blackwell Workstation Edition | Qwen3-Coder-30B-A3B-Instruct3x 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) | – | – | – | – |
2× NVIDIA GeForce RTX 2060 · dieser Lauf 6 tok/sNVIDIA GeForce RTX 5090 947 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 938 tok/s3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 840 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.