# LLM-Benchmark Konfiguration # Modell : Qwen3-VL-30B-A3B-Instruct # Engine : llama.cpp # Run-ID : run-20260724-082946-90422e # GPU : NVIDIA GeForce RTX 5090 # CPU : 16x AMD Ryzen 7 5800X3D 8-Core Processor # RAM : 126 GB bench@llm-benchmark:~$ /root/llama.cpp/build/bin/llama-server \ -m /root/.cache/huggingface/hub/models--unsloth--gpt-oss-20b-GGUF/snapshots/d449b42d93e1c2c7bda5312f5c25c8fb91dfa9b4/gpt-oss-20b-Q4_K_M.gguf \ -a gpt-oss-20b \ --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.	gpt-oss-20b
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.	/root/.cache/huggingface/hub/models--unsloth--gpt-oss-20b-GGUF/snapshots/d449b42d93e1c2c7bda5312f5c25c8fb91dfa9b4/gpt-oss-20b-Q4_K_M.gguf
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.	gpt-oss-20b
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

All benchmarks of this model To leaderboard

Model comparison

Qwen3-VL-30B-A3B-Instruct 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 1.028,5 tok/s★ NVIDIA GeForce RTX 5090 850,3 tok/s this runNVIDIA GeForce RTX 3090 Ti 475,8 tok/sAMD Radeon AI PRO R9700 186,9 tok/sAMD Radeon 8060S Graphics 102,2 tok/s

CPUby processor

AMD Ryzen 9 9950X 16-Core Processor 1.028,5 tok/s★ AMD Ryzen 7 5800X3D 8-Core Processor 850,3 tok/s this runAMD Ryzen 9 8945HX with Radeon Graphics 475,8 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 186,9 tok/sAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 102,2 tok/s

MBby mainboard

unbekannt 1.028,5 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 186,9 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd SHWSA (MS-S1 MAX) 102,2 tok/s

ENGby engine

vLLM 1.028,5 tok/s★ llama.cpp 850,3 tok/s this run

DRVby driver

unbekannt 1.028,5 tok/s★ NVIDIA 580.159.03 / CUDA 13.0 850,3 tok/s this runAMD 7.0.0-27-generic 186,9 tok/sROCm 7.2.0 102,2 tok/s

Contributed by

Mario Alka Administrator

@marioalka

Gruender von godcore.de