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

NVIDIA-Nemotron-3-Nano-4B

Performancebenchmark · gemessen am 23.07.2026 02:27

Benchmark-IDrun-20260723-023427-2f18a1
Timebench 3 - Kombi (Prefill + Generation)Dense4BRuntime: vLLMQuantisierung: INT8
Generation261,19tok/s
Prefill3.149,91tok/s
Time to First Token3.127,00ms
Gesamtdauer11,22s
Concurrency5parallel
Einordnung im Feld
16von 239 Systemen

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

Dieser Lauf ist besser als 94 % aller vergleichbaren Systeme.
Generation 261,2 tok/s
+171 % vs Ø 96,3
Prefill 3.149,9 tok/s
-10 % vs Ø 3.518,1
Time to First Token 3.127 ms
-81 % vs Ø 16.050
Verteilung im Feld0 – 1.295 tok/s
Ø 96 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
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: NVIDIA-Nemotron-3-Nano-4B

Konfiguration

benchmark-konfiguration — run-20260723-023427-2f18a1
# LLM-Benchmark Konfiguration # Modell : NVIDIA-Nemotron-3-Nano-4B # Engine : vLLM # Run-ID : run-20260723-023427-2f18a1 # 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
Enginevllm
Modellaliasgemma-4-31b-it-int8
Kontextlaenge4096
Aliasgemma-4-31b-it-int8
Tensor-Parallel1
Pipeline-Parallel3
Dtypeauto
Kontext4096
GPU-Speicher0.92
Enforce-Eageraktiv
Trust-Remote-Codeaktiv

Alle Benchmarks dieses Modells Zum Leaderboard