Contributed byMario AlkaQwen (Alibaba)Qwen3-Coder-30B-A3B-Instruct
Performance benchmark · measured on 24.07.2026 06:08
Benchmark-ID
run-20260724-082955-19c4a4Timebench 3 - Kombi (Prefill + Generation)MoE30BRuntime: llama.cppQuantisierung: Q4_K_M
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.
Generation72,36tok/s
Prefill1.112,81tok/s
Time to First Token8.929,00ms
Total duration63,63s
Concurrency5parallel
Ranking in the field
651of 997 systems
Performance benchmark · Primary metric: Generation-Speed (tok/s)
This run is better than 35 % of all comparable systems.
Generation
72,4 tok/s
-73 % vs Ø 270,4
Prefill
1.112,8 tok/s
-80 % vs Ø 5.568,2
Time to First Token
8.929 ms
-9 % vs Ø 9.777
Distribution in the field0 – 1.444 tok/s
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-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-20bNVIDIA GeForce RTX 5090 · run-20260723-045447-edeed3
1.295,3 tok/s
gpt-oss-20b3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260724-082940-10761f
1.238,3 tok/s
Qwen3-Coder-30B-A3B-Instruct same modelNVIDIA 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-Instruct same modelNVIDIA 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
Qwen3-Coder-30B-A3B-Instruct this runAMD Radeon 8060S Graphics · run-20260724-082955-19c4a4
72,4 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
Quantization: Q4_K_M
Operating system: Ubuntu 24.04.2 LTS (Kernel 6.17.0-40-generic)
Driver: ROCm 7.2.0
Model: Qwen3-Coder-30B-A3B-Instruct
Configuration
# LLM-Benchmark Konfiguration
# Modell : Qwen3-Coder-30B-A3B-Instruct
# Engine : llama.cpp
# Run-ID : run-20260724-082955-19c4a4
# GPU : AMD Radeon 8060S Graphics
# CPU : 32x AMD RYZEN AI MAX+ 395 w/ Radeon 8060S
# RAM : 31 GB
bench@llm-benchmark:~$ /home/godcore/llama.cpp/build-rocm/bin/llama-server \
-m /home/godcore/models/dl/gpt-oss-20b-Q4_K_M.gguf \
-a gpt-oss-20b \
--host 0.0.0.0 \
--port 8000 \
--gpu-layers 99 \
-cmoe \
--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. | /home/godcore/models/dl/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 |
Model comparison
Qwen3-Coder-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 1.070,6 tok/sNVIDIA GeForce RTX 5090 966,2 tok/sNVIDIA GeForce RTX 3090 Ti 670,7 tok/sAMD Radeon AI PRO R9700 237,2 tok/s★ AMD Radeon 8060S Graphics 115,8 tok/s this runCPU-only 6,7 tok/s
CPUby processor
AMD Ryzen 9 9950X 16-Core Processor 1.070,6 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 966,2 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 670,7 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 237,2 tok/s★ AMD RYZEN AI MAX+ 395 w/ Radeon 8060S 115,8 tok/s this runIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 6,7 tok/s
MBby mainboard
unbekannt 1.070,6 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 237,2 tok/s★ Meigao Innovation Technology (Shen Zhen) Co., Ltd SHWSA (MS-S1 MAX) 115,8 tok/s this runDell Inc. PowerEdge R820 6,7 tok/s
ENGby engine
vLLM 1.070,6 tok/s★ llama.cpp 846,5 tok/s this run
DRVby driver
unbekannt 1.070,6 tok/sNVIDIA 580.159.03 / CUDA 13.0 966,2 tok/sAMD 7.0.0-27-generic 237,2 tok/s★ ROCm 7.2.0 115,8 tok/s this run