ℹ

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

Generation17,67tok/s

Prefill86,17tok/s

Time to First Token23.622,00ms

Total duration163,45s

Concurrency1parallel

Ranking in the field

887of 997 systems

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

This run is better than 11 % of all comparable systems.

Generation 17,7 tok/s

-93 % vs Ø 270,4

Prefill 86,2 tok/s

-98 % vs Ø 5.568,2

Time to First Token 23.622 ms

+142 % vs Ø 9.777

Distribution in the field0 – 1.444 tok/s

Ø 270 Median Dieser Lauf

Wie schlägt sich dieser Benchmark?

gpt-oss-20b same modelNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260723-194447-dc199d

1.443,9 tok/s

gpt-oss-20b same modelNVIDIA GeForce RTX 5090 · run-20260724-004604-1c9023

1.386,8 tok/s

Qwen2.5-Coder-32B-InstructNVIDIA GeForce RTX 5090 · run-20260724-082948-5b32df

1.307,9 tok/s

gpt-oss-20b same modelNVIDIA GeForce RTX 5090 · run-20260723-045447-edeed3

1.295,3 tok/s

gpt-oss-20b same model3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260724-082940-10761f

1.238,3 tok/s

Qwen3-Coder-30B-A3B-InstructNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260724-004606-ebf474

1.070,6 tok/s

Qwen3.5-35B-A3BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260724-082959-cd1403

1.028,6 tok/s

Qwen3-VL-30B-A3B-InstructNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260724-004607-c49303

1.028,5 tok/s

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

1.015,7 tok/s

GLM-4.5-AirNVIDIA GeForce RTX 5090 · run-20260724-082959-2ea391

976,7 tok/s

Qwen3-Coder-30B-A3B-InstructNVIDIA GeForce RTX 5090 · run-20260723-045450-366dae

966,2 tok/s

Qwen3-30B-A3B-Instruct-2507NVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260724-004604-860045

961,5 tok/s

Devstral-Small-2507NVIDIA GeForce RTX 5090 · run-20260724-082938-ad06f1

958,9 tok/s

Qwen3.6-35B-A3BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260724-083000-8690d7

952,8 tok/s

gpt-oss-20b this runAMD Radeon 8060S Graphics · run-20260724-082939-c30590

17,7 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: vLLM
Quantization: -
Operating system: Ubuntu 24.04.2 LTS (Kernel 6.17.0-40-generic)
Driver: ROCm 7.2.0
Model: gpt-oss-20b

Configuration

benchmark-konfiguration — run-20260724-082939-c30590

# LLM-Benchmark Konfiguration # Modell : gpt-oss-20b # Engine : vLLM # Run-ID : run-20260724-082939-c30590 # GPU : AMD Radeon 8060S Graphics # CPU : 32x AMD RYZEN AI MAX+ 395 w/ Radeon 8060S # RAM : 31 GB bench@llm-benchmark:~$ /home/godcore/vllm-rocm-venv/bin/python /home/godcore/vllm-rocm-venv/bin/vllm serve /home/godcore/models/dl \ --served-model-name gpt-oss-20b \ --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.	gpt-oss-20b
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.	gpt-oss-20b
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

gpt-oss-20b 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 1.443,9 tok/sNVIDIA GeForce RTX 5090 1.386,8 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.238,3 tok/sNVIDIA GeForce RTX 3090 Ti 797,2 tok/sAMD Radeon AI PRO R9700 340,5 tok/s★ AMD Radeon 8060S Graphics 173,3 tok/s this runCPU-only 14,5 tok/s

CPUby processor

AMD Ryzen 9 9950X 16-Core Processor 1.443,9 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 1.386,8 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.238,3 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 797,2 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 340,5 tok/s★ AMD RYZEN AI MAX+ 395 w/ Radeon 8060S 173,3 tok/s this runIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 14,5 tok/s

MBby mainboard

unbekannt 1.443,9 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 340,5 tok/s★ Meigao Innovation Technology (Shen Zhen) Co., Ltd SHWSA (MS-S1 MAX) 173,3 tok/s this runDell Inc. PowerEdge R820 14,5 tok/s

ENGby engine

★ vLLM 1.443,9 tok/s this runllama.cpp 848,3 tok/s

DRVby driver

unbekannt 1.443,9 tok/sNVIDIA 580.159.03 / CUDA 13.0 1.386,8 tok/sNVIDIA 580.159.04 / CUDA 13.0 1.238,3 tok/sAMD 7.0.0-27-generic 340,5 tok/s★ ROCm 7.2.0 173,3 tok/s this run

Contributed by

Mario Alka Administrator

@marioalka

Gruender von godcore.de