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

gpt-oss-120b

Performancebenchmark · gemessen am 23.07.2026 06:33

Benchmark-IDrun-20260723-114453-132fb3
Timebench 3 - Kombi (Prefill + Generation)MoE117BRuntime: llama.cppQuantisierung: Q4_K_M
Generation5,29tok/s
Prefill55,98tok/s
Time to First Token189.966,00ms
Gesamtdauer600,00s
Concurrency5parallel
Einordnung im Feld
279von 305 Systemen

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

Dieser Lauf ist besser als 9 % aller vergleichbaren Systeme.
Generation 5,3 tok/s
-94 % vs Ø 87,0
Prefill 56,0 tok/s
-98 % vs Ø 3.212,9
Time to First Token 189.966 ms
+758 % vs Ø 22.143
Verteilung im Feld0 – 1.295 tok/s
Ø 87 Median Dieser Lauf

Wie schlägt sich dieser Benchmark?

Hardware

GPU: Keine GPU (CPU-only)
CPU: 51x Intel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz
RAM: 504 GB
Mainboard: Dell Inc. PowerEdge R820

Setup

Runtime: llama.cpp
Quantisierung: Q4_K_M
Betriebssystem: Ubuntu 24.04.3 LTS (Kernel 7.0.0-28-generic)
Modell: gpt-oss-120b

Konfiguration

benchmark-konfiguration — run-20260723-114453-132fb3
# LLM-Benchmark Konfiguration # Modell : gpt-oss-120b # Engine : llama.cpp # Run-ID : run-20260723-114453-132fb3 # GPU : Keine GPU (CPU-only) # CPU : 51x Intel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz # RAM : 504 GB bench@llm-benchmark:~$ /opt/llama.cpp/build/bin/llama-server \ -m /opt/models/Meta-Llama-3.1-8B-Instruct-Q4_K_M.gguf \ --host 10.220.231.216 \ --port 8081 \ --numa distribute \ -t 64 \ -tb 64 \ -c 8192
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
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.8192
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird./opt/models/Meta-Llama-3.1-8B-Instruct-Q4_K_M.gguf
NUMA?NUMA-Optimierung fuer Multi-Socket-CPUs: distribute/isolate/numactl. Verbessert die Speicherlokalitaet.distribute
Threads?Anzahl CPU-Threads fuer die Token-Generierung (Decode).64
Batch-Threads?Anzahl CPU-Threads fuer Prompt-Verarbeitung und Batch (Prefill).64
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.8192

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

gpt-oss-120b auf verschiedener Hardware

Alle veroeffentlichten Performance-Läufe dieses Modells – jede Blase eine Variante: Position = Prefill (X) × Generation (Y), Blasengröße = Anzahl Läufe. Näher oben rechts = schneller. ★ Gold markiert = dieser Benchmark.

GPUnach Grafikkarte

31323515678,20,001.2492.4993.748Prefill (tok/s)Generation (tok/s)AMD Radeon AI PRO R9700 - 241,4 tok/s Generation, 3.028 tok/s Prefill, TTFT 2.904 ms (4 Laufe)AMD Radeon AI PRO R97...CPU-only - 5,3 tok/s Generation, 42 tok/s Prefill, TTFT 165.568 ms (3 Laufe) | DIESER LAUF★ CPU-only
AMD Radeon AI PRO R9700 241,4 tok/s★ CPU-only 5,3 tok/s dieser Lauf

CPUnach Prozessor

31323515678,20,001.2492.4993.748Prefill (tok/s)Generation (tok/s)AMD Ryzen Threadripper PRO 7955WX 16-Cores - 241,4 tok/s Generation, 3.028 tok/s Prefill, TTFT 2.904 ms (4 Laufe)AMD Ryzen Threadrippe...Intel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz - 5,3 tok/s Generation, 42 tok/s Prefill, TTFT 165.568 ms (3 Laufe) | DIESER LAUF★ Intel(R) Xeon(R) CPU ...
AMD Ryzen Threadripper PRO 7955WX 16-Cores 241,4 tok/s★ Intel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 5,3 tok/s dieser Lauf

MBnach Mainboard

31323515678,20,001.2492.4993.748Prefill (tok/s)Generation (tok/s)ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE - 241,4 tok/s Generation, 3.028 tok/s Prefill, TTFT 2.904 ms (4 Laufe)ASUSTeK COMPUTER INC....Dell Inc. PowerEdge R820 - 5,3 tok/s Generation, 42 tok/s Prefill, TTFT 165.568 ms (3 Laufe) | DIESER LAUF★ Dell Inc. PowerEdge R...
ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 241,4 tok/s★ Dell Inc. PowerEdge R820 5,3 tok/s dieser Lauf

ENGnach Engine

31023215577,40,001.7473.4935.240Prefill (tok/s)Generation (tok/s)unbekannt - 241,4 tok/s Generation, 2.947 tok/s Prefill, TTFT 5.020 ms (2 Laufe)unbekanntvLLM - 21,5 tok/s Generation, 4.300 tok/s Prefill, TTFT 556 ms (1 Lauf)vLLMllama.cpp - 99,8 tok/s Generation, 511 tok/s Prefill, TTFT 124.432 ms (4 Laufe) | DIESER LAUF★ llama.cpp
unbekannt 241,4 tok/s★ llama.cpp 99,8 tok/s dieser LaufvLLM 21,5 tok/s

DRVnach Treiber

31323515678,20,001.2492.4993.748Prefill (tok/s)Generation (tok/s)AMD 7.0.0-27-generic - 241,4 tok/s Generation, 3.028 tok/s Prefill, TTFT 2.904 ms (4 Laufe)AMD 7.0.0-27-genericunbekannt - 5,3 tok/s Generation, 42 tok/s Prefill, TTFT 165.568 ms (3 Laufe)unbekannt
AMD 7.0.0-27-generic 241,4 tok/sunbekannt 5,3 tok/s