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.

Generation90,10tok/s

Prefill1.233,15tok/s

Time to First Token16.471,50ms

Total duration102,34s

Concurrency10parallel

Ranking in the field

539of 997 systems

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

This run is better than 46 % of all comparable systems.

Generation 90,1 tok/s

-67 % vs Ø 270,4

Prefill 1.233,2 tok/s

-78 % vs Ø 5.568,2

Time to First Token 16.472 ms

+68 % vs Ø 9.777

Distribution in the field0 – 1.444 tok/s

Ø 270 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-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-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-Instruct same modelNVIDIA 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

Qwen3-VL-30B-A3B-Instruct this runAMD Radeon 8060S Graphics · run-20260724-082956-5ba86c

90,1 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-VL-30B-A3B-Instruct

Configuration

benchmark-konfiguration — run-20260724-082956-5ba86c

# LLM-Benchmark Konfiguration # Modell : Qwen3-VL-30B-A3B-Instruct # Engine : llama.cpp # Run-ID : run-20260724-082956-5ba86c # 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

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/sNVIDIA GeForce RTX 5090 850,3 tok/sNVIDIA GeForce RTX 3090 Ti 475,8 tok/sAMD Radeon AI PRO R9700 186,9 tok/s★ AMD Radeon 8060S Graphics 102,2 tok/s this run

CPUby processor

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

MBby mainboard

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

ENGby engine

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

DRVby driver

unbekannt 1.028,5 tok/sNVIDIA 580.159.03 / CUDA 13.0 850,3 tok/sAMD 7.0.0-27-generic 186,9 tok/s★ ROCm 7.2.0 102,2 tok/s this run

Contributed by

Mario Alka Administrator

@marioalka

Gruender von godcore.de