ℹ

For context: Diese Plattform nutzt Unified Memory – die "VRAM" ist gemeinsamer System-RAM (APU/Superchip); das Modell teilt sich den Speicher mit dem System.

Generation39,53tok/s

Prefill282,02tok/s

Time to First Token6.993,50ms

Total duration65,80s

Concurrency1parallel

Ranking in the field

This GPU All GPUs

4of 19 systems

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

This run is better than 83 % of all comparable systems.

Generation 39,5 tok/s

+44 % vs Ø 27,5

Prefill 282,0 tok/s

-35 % vs Ø 433,4

Time to First Token 6.994 ms

+241 % vs Ø 2.049

Distribution in the field7 – 54 tok/s

Ø 27 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

Qwen-AgentWorld-35B-A3BAMD Radeon 8060S Graphics · run-20260723-142108-f59a48

53,7 tok/s

Gemma-4-26B-A4B-it same modelAMD Radeon 8060S Graphics · run-20260722-165910-670419

42,2 tok/s

Gemma-4-26B-A4B-it same modelAMD Radeon 8060S Graphics · run-20260722-165909-f81e9d

42,2 tok/s

Gemma-4-26B-A4B-it this runAMD Radeon 8060S Graphics · run-20260723-023424-7d69dd

39,5 tok/s

gemma-4-26B-A4B-it-assistantAMD Radeon 8060S Graphics · run-20260725-031727-ec1196

33,0 tok/s

Gemma-4-26B-A4B-it same modelAMD Radeon 8060S Graphics · run-20260725-031733-4dcb5c

32,8 tok/s

Gemma-4-26B-A4B-it same modelAMD Radeon 8060S Graphics · run-20260725-031733-216603

32,4 tok/s

Qwen3.6-35B-A3BAMD Radeon 8060S Graphics · run-20260818-172656-f86118

27,7 tok/s

Qwen3.6-35B-A3BAMD Radeon 8060S Graphics · run-20260820-184209-9c541a

27,6 tok/s

Qwen3.6-35B-A3BAMD Radeon 8060S Graphics · run-20260818-172656-c87b94

27,6 tok/s

Nemotron-Cascade-2-30B-A3BAMD Radeon 8060S Graphics · run-20260820-184209-d64192

27,5 tok/s

Nemotron-Cascade-2-30B-A3BAMD Radeon 8060S Graphics · run-20260820-184209-dca769

27,5 tok/s

Qwen3.6-35B-A3BAMD Radeon 8060S Graphics · run-20260821-053525-989728

26,9 tok/s

Qwen3.6-35B-A3BAMD Radeon 8060S Graphics · run-20260818-174731-31bdeb

24,5 tok/s

How does this benchmark compare on other GPUs?

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

NVIDIA GeForce RTX 5090run-20260729-105333-48100a

272,5 tok/s

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260730-043114-46ac66

268,0 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105338-f7cc78

247,5 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105338-0ad78f

245,3 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105338-54c4d1

245,3 tok/s

NVIDIA GeForce RTX 5070 Tirun-20260729-032121-c5db85

189,1 tok/s

NVIDIA GeForce RTX 3090 Tirun-20260729-032132-f530bf

167,0 tok/s

2× NVIDIA RTX A6000run-20260829-120719-57137a

165,9 tok/s

2× NVIDIA RTX A6000run-20260829-170439-577a3c

153,3 tok/s

2× NVIDIA RTX A6000run-20260827-090901-dbf3d0

145,2 tok/s

2× NVIDIA RTX A6000run-20260827-125704-07a2cc

135,8 tok/s

NVIDIA GeForce RTX 3090 Tirun-20260804-052133-bcf5cd

125,9 tok/s

2× NVIDIA RTX A6000run-20260827-125704-942dbf

111,2 tok/s

2× NVIDIA RTX A6000run-20260829-173720-a5043d

111,2 tok/s

Hardware

GPU: AMD Radeon 8060S Graphics
CPU: AMD RYZEN AI MAX+ 395 w/ Radeon 8060S
RAM: 31 GB
Mainboard: Bosgame AXB35-02 (BeyondMax Series)

Setup

Runtime: llama.cpp
Quantization: Q8_0
Model: Gemma-4-26B-A4B-it

Configuration

benchmark-konfiguration — run-20260723-023424-7d69dd

# LLM-Benchmark Konfiguration # Modell : Gemma-4-26B-A4B-it # Engine : llama.cpp # Run-ID : run-20260723-023424-7d69dd # GPU : AMD Radeon 8060S Graphics # CPU : AMD RYZEN AI MAX+ 395 w/ Radeon 8060S # RAM : 31 GB bench@llm-benchmark:~$ /home/godcore/llama.cpp/build-rocm/bin/llama-server \ --model /home/godcore/models/gemma4/gemma-4-26B-A4B-it-Q8_0.gguf \ --alias google/gemma-4-26B-A4B-it \ --host 0.0.0.0 \ --port 8000 \ --ctx-size 65536 \ --parallel 2 \ --gpu-layers 999 \ --flash-attn auto \ --cache-type-k q8_0 \ --cache-type-v q8_0 \ --reasoning off \ --jinja

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.	google/gemma-4-26B-A4B-it
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	65536
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.	/home/godcore/models/gemma4/gemma-4-26B-A4B-it-Q8_0.gguf
Parallel?Anzahl paralleler Slots/Sequenzen, die der Server gleichzeitig bedient. Der Kontext wird auf die Slots aufgeteilt.	2
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
Flash Attention?FlashAttention fuer schnellere und speichersparende Attention. Wert on/off/auto je nach Build.	auto
K-Cache-Typ?Datentyp des K-Anteils im KV-Cache (f16/q8_0/q4_0 ...). Quantisiert senkt den VRAM-Bedarf bei leichtem Qualitaetsverlust.	q8_0
V-Cache-Typ?Datentyp des V-Anteils im KV-Cache (f16/q8_0/q4_0 ...). Quantisierung braucht meist aktiviertes flash-attn.	q8_0
Reasoning?Steuert die Ausgabe bzw. das Parsing von Reasoning-/Thinking-Inhalten (z.B. --reasoning-format deepseek/none).	off
Jinja?Nutzt die im Modell eingebettete Jinja-Chat-Vorlage fuer korrekte Rollen-, Tool- und Reasoning-Formatierung.	aktiv

All benchmarks of this model To leaderboard

Model comparison

Gemma-4-26B-A4B-it 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 RTX PRO 6000 Blackwell Workstation Edition 1.589,1 tok/sNVIDIA GeForce RTX 5090 1.540,5 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.479,9 tok/sNVIDIA GeForce RTX 5070 Ti 1.009,0 tok/sNVIDIA GeForce RTX 3090 Ti 926,2 tok/sNVIDIA RTX A6000 841,8 tok/sAMD Radeon PRO W7800 48GB 247,3 tok/s★ AMD Radeon 8060S Graphics 79,5 tok/s this run

CPUby processor

AMD Ryzen 9 9950X 16-Core Processor 1.589,1 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 1.540,5 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.479,9 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 1.009,0 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 926,2 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 841,8 tok/sAMD Ryzen 5 5600X 6-Core Processor 397,2 tok/s★ AMD RYZEN AI MAX+ 395 w/ Radeon 8060S 79,5 tok/s this run

MBby mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.589,1 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.540,5 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.479,9 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 1.009,0 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 926,2 tok/sASUSTeK COMPUTER INC. PRIME A520M-K 397,2 tok/s★ Bosgame AXB35-02 (BeyondMax Series) 79,5 tok/s this runMeigao Innovation Technology (Shen Zhen) Co., Ltd SHWSA (MS-S1 MAX) 42,2 tok/s

ENGby engine

★ llama.cpp 1.589,1 tok/s this runvLLM 841,8 tok/sunbekannt 397,2 tok/s

DRVby driver

unbekannt 1.589,1 tok/sROCm 7.2.0 42,2 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 18 W

⚡ TDP 120 W

☁️ External LLM (API) show

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

Electricity0.30 EUR/kWh

Avg power (incl. idle)120 W estimated (TDP)GPU 120 W full load

Avg cost / hourEUR 0.036

Electricity / 1M tokensEUR 0.25

Token / kWh1.19M

Acquisition (system)EUR 7,054 partial priceGPU EUR 3,000 · Board EUR 3,500 · RAM EUR 434 · PSU EUR 120

Electricity (2 years)–

TCO (2 years)EUR 7,685

Output tokens (2 years)2.49B

☁️ 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 (18 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

	Gemma-4-26B-A4B-itAMD Radeon 8060S Graphics	Gemma-4-26B-A4B-itNVIDIA GeForce RTX 5090	Gemma-4-26B-A4B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition	Gemma-4-26B-A4B-it3x 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)	–	–	–	–

AMD Radeon 8060S Graphics · this run 40 tok/s NVIDIA GeForce RTX 5090 272 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 268 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 248 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.