ℹ

For context: 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

Total duration183,27s

Concurrency1parallel

Ranking in the field

This GPU All GPUs

1352of 1549 systems

Performance benchmark · Primary metric: Generation-Speed (tok/s) · 1× concurrent

This run is better than 13 % of all comparable systems.

Generation 5,8 tok/s

-93 % vs Ø 79,0

Prefill 324,9 tok/s

-89 % vs Ø 2.837,1

Time to First Token 5.900 ms

-78 % vs Ø 26.963

Distribution in the field0 – 405 tok/s

Ø 79 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

gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260730-035052-9f766a

395,2 tok/s

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

393,5 tok/s

Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181607-bffb11

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 RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181606-6ea089

378,6 tok/s

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

377,6 tok/s

Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-ac388e

362,3 tok/s

Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-5e5085

361,4 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

Nemotron-3-Nano-Omni-30B-A3B-ReasoningNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260729-032119-4852bf

357,1 tok/s

Mistral-Small-4-119B-2603 this runNVIDIA GeForce RTX 5090 · run-20260723-174504-df396b

5,8 tok/s

How does this benchmark compare on other GPUs?

Same model on different hardware · 1× concurrent · 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 this runrun-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
Quantization: AWQ
Model: Mistral-Small-4-119B-2603

Configuration

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

All benchmarks of this model To leaderboard

Model comparison

Mistral-Small-4-119B-2603 on various hardware

All published performance runs of this model – each bubble a variant: position = prefill (X) × generation (Y), bubble size = number of runs. Closer to the top right = faster. ★ Marked gold = this benchmark.

GPUby graphics card

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 this run

CPUby processor

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 this run

MBby 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 this run

ENGby engine

llama.cpp 959,6 tok/sunbekannt 58,5 tok/s★ vLLM 5,8 tok/s this run

DRVby driver

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

💰 Economics

Economics of this run

Operating cost, TCO and comparison with the next-best runs of the same model at identical concurrency (1× concurrent). Methodology →

⚙️ ConfigurationAll metrics and charts below follow these settings – based on a 24-month runtime.Save to URL Reset

⚡ Electricity price EUR/kWh

⚙️ System utilization 100 %

🖥️ Acquisition EUR

🔌 Idle 72 W

⚡ TDP 622 W

☁️ External LLM (API) show

Input €/1M Output €/1M Input per output token

Electricity0.30 EUR/kWh

Avg power (incl. idle)622 W estimated (TDP)GPU 575 + CPU 35 + Board 12 W full load

Avg cost / hourEUR 0.19

Electricity / 1M tokensEUR 8.98

Token / kWh33.42K

Acquisition (system)EUR 4,986 full priceGPU EUR 3,300 · CPU EUR 349 · Board EUR 149 · RAM EUR 1,008 · PSU EUR 180

Electricity (2 years)–

TCO (2 years)EUR 8,253

Output tokens (2 years)363.93M

☁️ External LLM (API) – comparison

External LLM cost (2 years)–

Savings vs. external (2 years)–

All values above and the charts below take the configured system utilization into account: at X% the system generates only X% of the time, the rest it idles (72 W). Cost per hour drops (more idle), cost per token rises.

Cost over 2 years – electricity only

Cost over 2 years – incl. acquisition (TCO)

Speed vs. tokens per euro

Euro per 1M tokens

Comparison vs. API – economics per 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
Electricity cost (24 mo.)	–	–	–	–
Acquisition cost	–	–	–	–
Total cost (TCO)	–	–	–	–
Generated tokens (24 mo.)	–	–	–	–
Token price via API	–	–	–	–
Break-even point (days)	–	–	–	–
Result (savings / extra cost)	–	–	–	–

NVIDIA GeForce RTX 5090 · this run 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

Comparison with up to 3 next-best runs of this model at the same concurrency (at least one on different hardware). Power = GPU TDP + CPU (idle + 15 %) + board (estimated), acquisition = full system (GPU + CPU + board + RAM + PSU), prices = stored market prices.

Contributed by

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.