ℹ

Zur Einordnung: Teile des Modells wurden per --cpu-offload-gb=40 GB in den System-RAM ausgelagert – RAM wird als erweiterter VRAM genutzt, was den Durchsatz senken kann.

Generation5,77tok/s

Prefill324,92tok/s

Time to First Token5.900,00ms

Gesamtdauer183,27s

Concurrency1parallel

Einordnung im Feld

Diese GPU Alle GPUs

47von 82 Systemen

Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 1× parallel

Dieser Lauf ist besser als 43 % aller vergleichbaren Systeme.

Generation 5,8 tok/s

-95 % vs Ø 121,7

Prefill 324,9 tok/s

-86 % vs Ø 2.281,2

Time to First Token 5.900 ms

-92 % vs Ø 72.469

Verteilung im Feld0 – 405 tok/s

Ø 122 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260724-004608-16af9b

404,6 tok/s

Nemotron-3-Nano-4BNVIDIA GeForce RTX 5090 · run-20260728-194135-d456e7

393,5 tok/s

gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260724-004607-29bd16

388,9 tok/s

gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260729-032121-1c779f

388,2 tok/s

gemma-4-E2B-itNVIDIA GeForce RTX 5090 · run-20260728-184455-e8b129

377,6 tok/s

Nemotron-3-Nano-30B-A3BNVIDIA GeForce RTX 5090 · run-20260729-105335-653788

359,4 tok/s

Nemotron-3-Nano-Omni-30B-A3B-ReasoningNVIDIA GeForce RTX 5090 · run-20260729-105334-2c4905

359,3 tok/s

Nemotron-Cascade-2-30B-A3BNVIDIA GeForce RTX 5090 · run-20260729-105334-44d1e7

359,0 tok/s

Qwen3-30B-A3B-Thinking-2507NVIDIA GeForce RTX 5090 · run-20260729-105335-81085a

310,1 tok/s

Qwen3-Coder-30B-A3B-InstructNVIDIA GeForce RTX 5090 · run-20260729-105335-497cfe

309,3 tok/s

Qwen3-30B-A3B-Instruct-2507NVIDIA GeForce RTX 5090 · run-20260729-105335-a4aa50

308,5 tok/s

Laguna-XS-2.1NVIDIA GeForce RTX 5090 · run-20260729-032122-816f0e

308,3 tok/s

Laguna-XS-2.1NVIDIA GeForce RTX 5090 · run-20260729-032122-45ddd9

308,2 tok/s

Laguna-XS-2.1NVIDIA GeForce RTX 5090 · run-20260729-032123-072f17

307,9 tok/s

Mistral-Small-4-119B-2603 dieser LaufNVIDIA GeForce RTX 5090 · run-20260723-174504-df396b

5,8 tok/s

Wie schlägt sich dieser Benchmark mit anderen GPUs?

Dasselbe Modell auf anderer Hardware · 1× parallel · Generation (tok/s)

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260729-060802-50f32e

189,8 tok/s

3× AMD Radeon AI PRO R9700run-20260722-165907-94e27c

58,5 tok/s

3× AMD Radeon AI PRO R9700run-20260722-165908-56e720

58,5 tok/s

NVIDIA GeForce RTX 5070 Tirun-20260729-105339-fe23ab

16,7 tok/s

3× AMD Radeon AI PRO R9700run-20260805-053414-82acc0

15,2 tok/s

3× AMD Radeon AI PRO R9700run-20260805-053413-013441

15,2 tok/s

3× AMD Radeon AI PRO R9700run-20260805-053414-de4749

15,1 tok/s

NVIDIA GeForce RTX 3090 Tirun-20260730-204032-04a9bd

14,5 tok/s

NVIDIA GeForce RTX 5090run-20260806-094439-038c5a

7,7 tok/s

NVIDIA GeForce RTX 5090 dieser Laufrun-20260723-174504-df396b

5,8 tok/s

Hardware

GPU: NVIDIA GeForce RTX 5090 · 32 GB VRAM
CPU: AMD Ryzen 7 5800X3D 8-Core Processor
RAM: 126 GB
Mainboard: ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING

Setup

Runtime: vLLM
Quantisierung: AWQ
Modell: Mistral-Small-4-119B-2603

Konfiguration

benchmark-konfiguration — run-20260723-174504-df396b

# LLM-Benchmark Konfiguration # Modell : Mistral-Small-4-119B-2603 # Engine : vLLM # Run-ID : run-20260723-174504-df396b # GPU : NVIDIA GeForce RTX 5090 # CPU : 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/Mistral-Small-4-119B-2603-AWQ-4bit \ --served-model-name Mistral-Small-4-119B-2603 \ --dtype auto \ --max-model-len 8192 \ --gpu-memory-utilization 0.92 \ --cpu-offload-gb 40 \ --trust-remote-code \ --host 0.0.0.0 \ --port 8000

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.	vllm
Modellalias?Der Name, unter dem das Modell ueber die API angesprochen wird. Genau dieser Wert muss im Request-Feld 'model' stehen.	Mistral-Small-4-119B-2603
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	8192
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.	Mistral-Small-4-119B-2603
Dtype?Zahlenformat der Modellgewichte bei der Berechnung (z.B. auto, float16, bfloat16). 'auto' waehlt automatisch das vom Modell empfohlene Format.	auto
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	8192
GPU-Speicher?Anteil des GPU-Speichers (0 bis 1), den vLLM belegen darf. 0.92 = 92 %. Hoeher = mehr Platz fuer den KV-Cache (mehr/laengere parallele Anfragen), aber groesseres Risiko fuer 'Out of Memory'.	0.92
cpu-offload-gb?Menge an Modellgewichten in GiB, die in den CPU-RAM ausgelagert wird. Ermoeglicht groessere Modelle als der GPU-Speicher fasst, kostet aber Geschwindigkeit.	40
Trust-Remote-Code?Erlaubt vLLM, mit dem Modell mitgelieferten Python-Code auszufuehren. Noetig fuer Architekturen, die vLLM nicht von Haus aus kennt. Nur bei vertrauenswuerdigen Modellen aktivieren.	aktiv

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Mistral-Small-4-119B-2603 auf verschiedener Hardware

Alle veröffentlichten 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

NVIDIA RTX PRO 6000 Blackwell Workstation Edition 959,6 tok/sNVIDIA GeForce RTX 5070 Ti 62,3 tok/sAMD Radeon AI PRO R9700 58,5 tok/sNVIDIA GeForce RTX 3090 Ti 58,5 tok/s★ NVIDIA GeForce RTX 5090 21,7 tok/s dieser Lauf

CPUnach Prozessor

AMD Ryzen 9 9950X 16-Core Processor 959,6 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 62,3 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 58,5 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 58,5 tok/s★ AMD Ryzen 7 5800X3D 8-Core Processor 21,7 tok/s dieser Lauf

MBnach Mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 959,6 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 62,3 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 58,5 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 58,5 tok/s★ ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 21,7 tok/s dieser Lauf

ENGnach Engine

llama.cpp 959,6 tok/sunbekannt 58,5 tok/s★ vLLM 5,8 tok/s dieser Lauf

DRVnach Treiber

unbekannt 959,6 tok/sAMD 7.0.0-27-generic 58,5 tok/s

💰 Economics

Wirtschaftlichkeit dieses Laufs

Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (1× parallel). Methodik →

⚙️ KonfigurationAlle Kennzahlen und Diagramme unten folgen diesen Einstellungen – bezogen auf 24 Monate Laufzeit.In URL übernehmen Zurücksetzen

⚡ Strompreis EUR/kWh

⚙️ System-Auslastung 100 %

🖥️ Anschaffung EUR

🔌 Idle 72 W

⚡ TDP 622 W

☁️ Externes LLM (API) anzeigen

Input €/1M Output €/1M Input je Output-Token

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)622 W geschätzt (TDP)GPU 575 + CPU 35 + Board 12 W Volllast

Ø-Kosten / Stunde0,19 EUR

Strom / 1 Mio. Token8,98 EUR

Token / kWh33,42 Tsd.

Anschaffung (System)4.986 EUR VollpreisGPU 3.300 EUR · CPU 349 EUR · Board 149 EUR · RAM 1.008 EUR · Netzteil 180 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)8.253 EUR

Output-Token (2 Jahre)363,93 Mio.

☁️ Externes LLM (API) – Vergleich

Externe LLM-Kosten (2 Jahre)–

Ersparnis vs. extern (2 Jahre)–

Alle Werte oben und die Diagramme unten berücksichtigen die eingestellte System-Auslastung: bei X % generiert das System nur X % der Zeit, die restliche Zeit läuft es im Idle (72 W). Kosten pro Stunde sinken dadurch (mehr Idle), Kosten je Token steigen.

Kosten über 2 Jahre – nur Strom

Kosten über 2 Jahre – inkl. Anschaffung (TCO)

Geschwindigkeit vs. Token pro Euro

Euro pro 1 Mio. Token

Vergleich zur API – Wirtschaftlichkeit je Benchmark

	Mistral-Small-4-119B-2603NVIDIA GeForce RTX 5090	Mistral-Small-4-119B-2603NVIDIA RTX PRO 6000 Blackwell Workstation Edition	Mistral-Small-4-119B-26033x AMD Radeon AI PRO R9700	Mistral-Small-4-119B-26033x AMD Radeon AI PRO R9700
Kosten Strom (24 Mon.)	–	–	–	–
Kosten Anschaffung	–	–	–	–
Kosten Gesamt (TCO)	–	–	–	–
Generierte Token (24 Mon.)	–	–	–	–
Tokenpreis bei API	–	–	–	–
Break-Even-Point (Tage)	–	–	–	–
Ergebnis (Ersparnis / Ausgabe)	–	–	–	–

NVIDIA GeForce RTX 5090 · dieser Lauf 6 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 190 tok/s 3× AMD Radeon AI PRO R9700 59 tok/s 3× AMD Radeon AI PRO R9700 59 tok/s

Vergleich mit bis zu 3 nächstbesten Läufen dieses Modells bei gleicher Concurrency (mind. einer auf anderer Hardware). Leistung = GPU-TDP + CPU (Idle + 15 %) + Board (geschätzt), Anschaffung = komplettes System (GPU + CPU + Board + RAM + Netzteil), Preise = hinterlegte Marktpreise.

Beigesteuert von

Mario Alka Administrator

@marioalka

Ich bin Unternehmer, Softwareentwickler und KI-Enthusiast. Seit vielen Jahren entwickle ich Unternehmenssoftware und beschäftige mich inzwischen fast täglich mit lokalen LLMs, KI-Agenten und leistungsfähiger KI-Hardware.

Mit LLM-Benchmark.de möchte ich eine Plattform schaffen, auf der Modelle, GPUs und Agenten objektiv und reproduzierbar miteinander verglichen werden.