OpenAI
gpt-oss-20b
Performancebenchmark · gemessen am 23.07.2026 02:25
Benchmark-ID
run-20260723-023425-4d6891Timebench 3 - Kombi (Prefill + Generation)MoE21BRuntime: vLLMQuantisierung: INT8
Generation340,51tok/s
Prefill4.258,08tok/s
Time to First Token2.328,50ms
Gesamtdauer14,32s
Concurrency5parallel
Einordnung im Feld
9von 239 Systemen
Performancebenchmark · Leitmetrik: Generation-Speed (tok/s)
Dieser Lauf ist besser als 97 % aller vergleichbaren Systeme.
Generation
340,5 tok/s
+254 % vs Ø 96,3
Prefill
4.258,1 tok/s
+21 % vs Ø 3.518,1
Time to First Token
2.329 ms
-85 % vs Ø 16.050
Verteilung im Feld0 – 1.295 tok/s
Wie schlägt sich dieser Benchmark?
gpt-oss-20b gleiches ModellNVIDIA GeForce RTX 5090 · run-20260723-045447-edeed3
1.295,3 tok/s
Qwen3-Coder-30B-A3B-InstructNVIDIA GeForce RTX 5090 · run-20260723-045450-366dae
966,2 tok/s
Qwen3-30B-A3B-Instruct-2507NVIDIA GeForce RTX 5090 · run-20260723-045450-e8df4d
909,3 tok/s
Qwen3-30B-A3B-Thinking-2507NVIDIA GeForce RTX 5090 · run-20260723-045450-14f178
873,7 tok/s
gpt-oss-20b gleiches ModellNVIDIA GeForce RTX 5090 · run-20260723-045447-5656a1
784,5 tok/s
Qwen3-Coder-30B-A3B-InstructNVIDIA GeForce RTX 5090 · run-20260723-045450-4162ec
688,6 tok/s
Qwen3-30B-A3B-Instruct-2507NVIDIA GeForce RTX 5090 · run-20260723-045448-81246f
655,8 tok/s
Qwen3-30B-A3B-Thinking-2507NVIDIA GeForce RTX 5090 · run-20260723-045450-1d48c8
633,4 tok/s
gpt-oss-20b dieser Lauf3× AMD Radeon AI PRO R9700 · run-20260723-023425-4d6891
340,5 tok/s
gpt-oss-20b gleiches Modell3× AMD Radeon AI PRO R9700 · run-20260723-023425-189e09
331,7 tok/s
North-Mini-Code-1.03× AMD Radeon AI PRO R9700 · run-20260723-023427-9af096
279,0 tok/s
NVIDIA-Nemotron-3-Nano-30B-A3B3× AMD Radeon AI PRO R9700 · run-20260723-031252-92db54
274,0 tok/s
Nemotron-Cascade-2-30B-A3B3× AMD Radeon AI PRO R9700 · run-20260723-031252-286996
270,4 tok/s
Nemotron-3-Nano-Omni-30B-A3B-Reasoning3× AMD Radeon AI PRO R9700 · run-20260723-031253-e2aa7d
268,7 tok/s
Hardware
GPU: 3x AMD Radeon AI PRO R9700 · 32 GB VRAM
CPU: 32x AMD Ryzen Threadripper PRO 7955WX 16-Cores
RAM: 184 GB
Mainboard: ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE
Setup
Runtime: vLLM
Quantisierung: INT8
Betriebssystem: Ubuntu 26.04 LTS (Kernel 7.0.0-27-generic)
Modell: gpt-oss-20b
Konfiguration
# LLM-Benchmark Konfiguration
# Modell : gpt-oss-20b
# Engine : vLLM
# Run-ID : run-20260723-023425-4d6891
# GPU : 3x AMD Radeon AI PRO R9700
# CPU : 32x AMD Ryzen Threadripper PRO 7955WX 16-Cores
# RAM : 184 GB
bench@llm-benchmark:~$ /opt/python/bin/python /opt/python/bin/vllm serve nameistoken/Gemma-4-31B-it-Quark-W8A8-INT8 \
--served-model-name gemma-4-31b-it-int8 \
--tensor-parallel-size 1 \
--pipeline-parallel-size 3 \
--dtype auto \
--max-model-len 4096 \
--gpu-memory-utilization 0.92 \
--enforce-eager \
--trust-remote-code \
--host 0.0.0.0 \
--port 8000
| Engine | vllm |
| Modellalias | gemma-4-31b-it-int8 |
| Kontextlaenge | 4096 |
| Alias | gemma-4-31b-it-int8 |
| Tensor-Parallel | 1 |
| Pipeline-Parallel | 3 |
| Dtype | auto |
| Kontext | 4096 |
| GPU-Speicher | 0.92 |
| Enforce-Eager | aktiv |
| Trust-Remote-Code | aktiv |