Qwen (Alibaba)
Qwen3-Coder-30B-A3B-Instruct
Performancebenchmark · gemessen am 23.07.2026 04:29
Benchmark-ID
run-20260723-045450-25f57dTimebench 3 - Kombi (Prefill + Generation)MoE30BRuntime: vLLMQuantisierung: AWQ
Generation243,00tok/s
Prefill4.297,39tok/s
Time to First Token764,50ms
Gesamtdauer9,96s
Concurrency1parallel
Einordnung im Feld
17von 246 Systemen
Performancebenchmark · Leitmetrik: Generation-Speed (tok/s)
Dieser Lauf ist besser als 93 % aller vergleichbaren Systeme.
Generation
243,0 tok/s
+150 % vs Ø 97,1
Prefill
4.297,4 tok/s
+23 % vs Ø 3.494,7
Time to First Token
765 ms
-96 % vs Ø 17.581
Verteilung im Feld0 – 1.295 tok/s
Wie schlägt sich dieser Benchmark?
gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260723-045447-edeed3
1.295,3 tok/s
Qwen3-Coder-30B-A3B-Instruct gleiches ModellNVIDIA 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-20bNVIDIA GeForce RTX 5090 · run-20260723-045447-5656a1
784,5 tok/s
Qwen3-Coder-30B-A3B-Instruct gleiches ModellNVIDIA 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-20b3× AMD Radeon AI PRO R9700 · run-20260723-023425-4d6891
340,5 tok/s
gpt-oss-20b3× 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
Qwen3-Coder-30B-A3B-Instruct dieser LaufNVIDIA GeForce RTX 5090 · run-20260723-045450-25f57d
243,0 tok/s
Hardware
GPU: NVIDIA GeForce RTX 5090 · 32 GB VRAM
CPU: 16x AMD Ryzen 7 5800X3D 8-Core Processor
RAM: 126 GB
Setup
Runtime: vLLM
Quantisierung: AWQ
Modell: Qwen3-Coder-30B-A3B-Instruct
Konfiguration
# LLM-Benchmark Konfiguration
# Modell : Qwen3-Coder-30B-A3B-Instruct
# Engine : vLLM
# Run-ID : run-20260723-045450-25f57d
# GPU : NVIDIA GeForce RTX 5090
# CPU : 16x AMD Ryzen 7 5800X3D 8-Core Processor
# RAM : 126 GB
bench@llm-benchmark:~$ /opt/gcs_venv/bin/python3 /opt/gcs_venv/bin/vllm serve cyankiwi/Qwen3-30B-A3B-Thinking-2507-AWQ-4bit \
--served-model-name Qwen3-30B-A3B-Thinking-2507 \
--dtype auto \
--max-model-len 8192 \
--gpu-memory-utilization 0.92 \
--trust-remote-code \
--host 0.0.0.0 \
--port 8000
| Engine | vllm |
| Modellalias | Qwen3-30B-A3B-Thinking-2507 |
| Kontextlaenge | 8192 |
| Alias | Qwen3-30B-A3B-Thinking-2507 |
| Dtype | auto |
| Kontext | 8192 |
| GPU-Speicher | 0.92 |
| Trust-Remote-Code | aktiv |