# LLM-Benchmark Konfiguration # Modell : Ministral-3-14B-Reasoning-2512 # Engine : llama.cpp # Run-ID : run-20260724-082956-6cfc94 # GPU : 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition # CPU : 34x AMD Ryzen Threadripper PRO 9965WX 24-Cores # RAM : 125 GB bench@llm-benchmark:~$ /home/godcore/llama.cpp/build/bin/llama-server \ -m /home/godcore/.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 \ -ngl 99 \ -sm layer \ --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/.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
Split-Mode?Verteilung ueber mehrere GPUs: none (nur eine GPU), layer (Layer aufteilen) oder row (Tensoren zeilenweise).	layer
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

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Ministral-3-14B-Reasoning-2512 auf verschiedener Hardware

Alle veröffentlichten Performance-Läufe dieses Modells – jede Blase eine Variante: Position = Prefill (X) × Generation (Y), Blasengröße = Anzahl Läufe. Näher oben rechts = schneller. ★ Gold markiert = dieser Benchmark.

GPUnach Grafikkarte

NVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.015,7 tok/sNVIDIA GeForce RTX 5090 883,1 tok/sNVIDIA GeForce RTX 3090 Ti 524,4 tok/sAMD Radeon AI PRO R9700 131,2 tok/s★ NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 106,1 tok/s dieser LaufAMD Radeon 8060S Graphics 85,5 tok/s

CPUnach Prozessor

AMD Ryzen 9 9950X 16-Core Processor 1.015,7 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 883,1 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 524,4 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 131,2 tok/s★ AMD Ryzen Threadripper PRO 9965WX 24-Cores 106,1 tok/s dieser LaufAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 85,5 tok/s

MBnach Mainboard

unbekannt 1.015,7 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 131,2 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd SHWSA (MS-S1 MAX) 85,5 tok/s

ENGnach Engine

vLLM 1.015,7 tok/s★ llama.cpp 883,1 tok/s dieser Lauf

DRVnach Treiber

unbekannt 1.015,7 tok/sNVIDIA 580.159.03 / CUDA 13.0 883,1 tok/sAMD 7.0.0-27-generic 131,2 tok/s★ NVIDIA 580.159.04 / CUDA 13.0 106,1 tok/s dieser LaufROCm 7.2.0 85,5 tok/s

Beigesteuert von

Mario Alka Administrator

@marioalka

Gruender von godcore.de