# LLM-Benchmark Konfiguration # Modell : Qwen3-30B-A3B-Thinking-2507 # Engine : vLLM # Run-ID : run-20260724-004605-09fb68 # GPU : NVIDIA RTX PRO 6000 Blackwell Workstation Edition # CPU : 32x AMD Ryzen 9 9950X 16-Core Processor # RAM : 92 GB bench@llm-benchmark:~$ /home/godcore/minimax-vllm-nightly/.venv/bin/python /home/godcore/minimax-vllm-nightly/.venv/bin/vllm serve cyankiwi/Qwen3-30B-A3B-Thinking-2507-AWQ-4bit \ --served-model-name Qwen3-30B-A3B-Thinking-2507 \ --dtype auto \ --max-model-len 8192 \ --gpu-memory-utilization 0.90 \ --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.	Qwen3-30B-A3B-Thinking-2507
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.	Qwen3-30B-A3B-Thinking-2507
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'.	0.90

All benchmarks of this model To leaderboard

Model comparison

Qwen3-30B-A3B-Thinking-2507 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 906,0 tok/s this runNVIDIA GeForce RTX 3090 Ti 883,7 tok/sNVIDIA GeForce RTX 5090 873,7 tok/sAMD Radeon AI PRO R9700 231,1 tok/sAMD Radeon 8060S Graphics 131,2 tok/sCPU-only 8,5 tok/s

CPUby processor

★ AMD Ryzen 9 9950X 16-Core Processor 906,0 tok/s this runAMD Ryzen 9 8945HX with Radeon Graphics 883,7 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 873,7 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 231,1 tok/sAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 131,2 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 8,5 tok/s

MBby mainboard

unbekannt 906,0 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 231,1 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd SHWSA (MS-S1 MAX) 131,2 tok/sDell Inc. PowerEdge R820 8,5 tok/s

ENGby engine

★ vLLM 906,0 tok/s this runllama.cpp 474,7 tok/s

DRVby driver

unbekannt 906,0 tok/sNVIDIA 580.159.03 / CUDA 13.0 873,7 tok/sAMD 7.0.0-27-generic 231,1 tok/sROCm 7.2.0 131,2 tok/s

Contributed by

Mario Alka Administrator

@marioalka

Gruender von godcore.de und Betreiber von llm-benchmark.de. Ich teste KI-Sprachmodelle auf echter Hardware, messe Tempo (Token/s) und Aufgaben-Qualitaet und teile die Ergebnisse offen und reproduzierbar.