NVIDIA

Llama-3_3-Nemotron-Super-49B-v1_5

Performancebenchmark · gemessen am 23.07.2026 04:37

Benchmark-IDrun-20260723-045451-9807d5

Timebench 3 - Kombi (Prefill + Generation)Dense49BRuntime: llama.cppQuantisierung: Q4_K_M

⚠

Konfigurations-Hinweis: Es sind 3 Grafikkarten installiert, aber nur 1 wurde fuer diesen Lauf genutzt. Mit allen 3 GPUs koennte der Durchsatz deutlich hoeher liegen.

Generation42,10tok/s

Prefill2.562,03tok/s

Time to First Token11.532,00ms

Gesamtdauer42,94s

Concurrency10parallel

Einordnung im Feld

128von 246 Systemen

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

Dieser Lauf ist besser als 48 % aller vergleichbaren Systeme.

Generation 42,1 tok/s

-57 % vs Ø 97,1

Prefill 2.562,0 tok/s

-27 % vs Ø 3.494,7

Time to First Token 11.532 ms

-34 % vs Ø 17.581

Verteilung im Feld0 – 1.295 tok/s

Ø 97 Median Dieser Lauf

Wie schlägt sich dieser Benchmark?

gpt-oss-20bNVIDIA 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-20bNVIDIA 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-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

Llama-3_3-Nemotron-Super-49B-v1_5 dieser Lauf3× AMD Radeon AI PRO R9700 · run-20260723-045451-9807d5

42,1 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: llama.cpp
Quantisierung: Q4_K_M
Betriebssystem: Ubuntu 26.04 LTS (Kernel 7.0.0-27-generic)
Modell: Llama-3_3-Nemotron-Super-49B-v1_5

Konfiguration

benchmark-konfiguration — run-20260723-045451-9807d5

# LLM-Benchmark Konfiguration # Modell : Llama-3_3-Nemotron-Super-49B-v1_5 # Engine : llama.cpp # Run-ID : run-20260723-045451-9807d5 # GPU : 3x AMD Radeon AI PRO R9700 # CPU : 32x AMD Ryzen Threadripper PRO 7955WX 16-Cores # RAM : 184 GB bench@llm-benchmark:~$ /src/build/bin/llama-server \ -m /root/.cache/huggingface/hub/models--unsloth--GLM-4.5-Air-GGUF/snapshots/506d64aa8c5cfe9dbbf00bc7a15739438f83204d/Q4_K_M/GLM-4.5-Air-Q4_K_M-00001-of-00002.gguf \ -ngl 999 \ -c 26624 \ --parallel 12 \ -a GLM-4.5-Air \ -sm layer \ --host 0.0.0.0 \ --port 8000

Engine	llamacpp
Modellalias	GLM-4.5-Air
Kontextlaenge	26624
Modellpfad	/root/.cache/huggingface/hub/models--unsloth--GLM-4.5-Air-GGUF/snapshots/506d64aa8c5cfe9dbbf00bc7a15739438f83204d/Q4_K_M/GLM-4.5-Air-Q4_K_M-00001-of-00002.gguf
GPU-Layer	999
Kontext	26624
Parallel	12
Alias	GLM-4.5-Air
Split-Mode	layer

Alle Benchmarks dieses Modells Zum Leaderboard