ℹ

Zur Einordnung: Diese Plattform nutzt Unified Memory – die "VRAM" ist gemeinsamer System-RAM (APU/Superchip); das Modell teilt sich den Speicher mit dem System.

Generation76,24tok/s

Prefill1.950,75tok/s

Time to First Token6.429,00ms

Gesamtdauer14,25s

Concurrency5parallel

Einordnung im Feld

122von 347 Systemen

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

Dieser Lauf ist besser als 65 % aller vergleichbaren Systeme.

Generation 76,2 tok/s

-24 % vs Ø 100,2

Prefill 1.950,8 tok/s

-43 % vs Ø 3.396,8

Time to First Token 6.429 ms

-70 % vs Ø 21.178

Verteilung im Feld0 – 1.444 tok/s

Ø 100 Median Dieser Lauf

Wie schlägt sich dieser Benchmark?

gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260723-194447-dc199d

1.443,9 tok/s

gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260723-045447-edeed3

1.295,3 tok/s

Ministral-3-14B-Reasoning-2512NVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260723-195749-eebab2

1.015,7 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 RTX PRO 6000 Blackwell Workstation Edition · run-20260723-194447-1679c5

842,9 tok/s

gpt-oss-20bNVIDIA GeForce RTX 3090 Ti · run-20260723-174504-2e256e

796,8 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

Ministral-3-14B-Reasoning-2512NVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260723-195749-bde180

615,8 tok/s

Ministral-3-14B-Reasoning-2512NVIDIA GeForce RTX 3090 Ti · run-20260723-194447-d1331c

524,4 tok/s

Meta-Llama-3.1-8B-Instruct dieser LaufAMD Radeon 8060S Graphics · run-20260723-194443-de9b42

76,2 tok/s

Hardware

GPU: AMD Radeon 8060S Graphics
CPU: 32x AMD RYZEN AI MAX+ 395 w/ Radeon 8060S
RAM: 31 GB
Mainboard: Meigao Innovation Technology (Shen Zhen) Co., Ltd SHWSA (MS-S1 MAX)

Setup

Runtime: llama.cpp
Quantisierung: Q4_K_M
Betriebssystem: Ubuntu 24.04.2 LTS (Kernel 6.17.0-40-generic)
Treiber: ROCm 7.2.0
Modell: Meta-Llama-3.1-8B-Instruct

Konfiguration

benchmark-konfiguration — run-20260723-194443-de9b42

# LLM-Benchmark Konfiguration # Modell : Meta-Llama-3.1-8B-Instruct # Engine : llama.cpp # Run-ID : run-20260723-194443-de9b42 # GPU : AMD Radeon 8060S Graphics # CPU : 32x AMD RYZEN AI MAX+ 395 w/ Radeon 8060S # RAM : 31 GB bench@llm-benchmark:~$ llama-server \ -m bartowski/Meta-Llama-3.1-8B-Instruct-GGUF/Q4_K_M.gguf \ -a Meta-Llama-3.1-8B-Instruct \ --host 0.0.0.0 \ --port 8000 \ --gpu-layers 99 \ --flash-attn on \ -c 26624 \ --parallel 12

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
Modellalias?Der Name, unter dem das Modell ueber die API angesprochen wird. Genau dieser Wert muss im Request-Feld 'model' stehen.	Meta-Llama-3.1-8B-Instruct
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	26624
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.	bartowski/Meta-Llama-3.1-8B-Instruct-GGUF/Q4_K_M.gguf
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.	Meta-Llama-3.1-8B-Instruct
GPU-Layer?Anzahl der auf die GPU ausgelagerten Modell-Layer. Hoeher = mehr VRAM und schneller; der Rest laeuft auf der CPU. 999 = alles auf GPU.	99
Flash Attention?FlashAttention fuer schnellere und speichersparende Attention. Wert on/off/auto je nach Build.	on
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	26624
Parallel?Anzahl paralleler Slots/Sequenzen, die der Server gleichzeitig bedient. Der Kontext wird auf die Slots aufgeteilt.	12

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Meta-Llama-3.1-8B-Instruct 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

★ AMD Radeon 8060S Graphics 83,4 tok/s dieser LaufCPU-only 3,6 tok/s

CPUnach Prozessor

★ AMD RYZEN AI MAX+ 395 w/ Radeon 8060S 83,4 tok/s dieser LaufIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 3,6 tok/s

MBnach Mainboard

★ Meigao Innovation Technology (Shen Zhen) Co., Ltd SHWSA (MS-S1 MAX) 83,4 tok/s dieser LaufDell Inc. PowerEdge R820 3,6 tok/s

ENGnach Engine

★ llama.cpp 83,4 tok/s dieser Lauf

DRVnach Treiber

★ ROCm 7.2.0 83,4 tok/s dieser Laufunbekannt 3,6 tok/s