# LLM-Benchmark Konfiguration # Modell : OpenReasoning-Nemotron-32B # Engine : llama.cpp # Run-ID : run-20260723-015520-8fe694 # 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/OpenReasoning-Nemotron-32B-Q4_K_M.gguf \ -a OpenReasoning-Nemotron-32B \ --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.	OpenReasoning-Nemotron-32B
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/OpenReasoning-Nemotron-32B-Q4_K_M.gguf
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.	OpenReasoning-Nemotron-32B
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

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

OpenReasoning-Nemotron-32B 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 481,0 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 480,0 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 411,7 tok/sNVIDIA GeForce RTX 3090 Ti 236,8 tok/sNVIDIA RTX A6000 144,0 tok/sNVIDIA GeForce RTX 5070 Ti 49,9 tok/sAMD Radeon AI PRO R9700 23,3 tok/sAMD Radeon 8060S Graphics 16,5 tok/s★ NVIDIA GeForce RTX 2060 1,1 tok/s dieser Lauf

CPUnach Prozessor

AMD Ryzen 7 5800X3D 8-Core Processor 481,0 tok/sAMD Ryzen 9 9950X 16-Core Processor 480,0 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 411,7 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 236,8 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 144,0 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 49,9 tok/sAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 16,5 tok/s★ Intel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 1,1 tok/s dieser Lauf

MBnach Mainboard

ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 481,0 tok/sASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 480,0 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 411,7 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 236,8 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 49,9 tok/sBosgame AXB35-02 (BeyondMax Series) 16,5 tok/s★ Dell Inc. PowerEdge R820 1,1 tok/s dieser Lauf

ENGnach Engine

★ llama.cpp 481,0 tok/s dieser Lauf

DRVnach Treiber

unbekannt 481,0 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 übernehmen Zurücksetzen

⚡ Strompreis EUR/kWh

⚙️ System-Auslastung 100 %

🖥️ Anschaffung EUR

🔌 Idle 55 W

⚡ TDP 359 W

☁️ Externes LLM (API) anzeigen

Input €/1M Output €/1M Input je Output-Token

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. Token27,18 EUR

Token / kWh11,04 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)69,38 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

	OpenReasoning-Nemotron-32B2x NVIDIA GeForce RTX 2060	OpenReasoning-Nemotron-32BNVIDIA GeForce RTX 5090	OpenReasoning-Nemotron-32BNVIDIA RTX PRO 6000 Blackwell Workstation Edition	OpenReasoning-Nemotron-32B3x 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 1 tok/s NVIDIA GeForce RTX 5090 69 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 68 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 65 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.