ℹ

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

Generation89,84tok/s

Prefill1.231,35tok/s

Time to First Token16.475,00ms

Gesamtdauer102,48s

Concurrency10parallel

Einordnung im Feld

546von 997 Systemen

Performancebenchmark · Leitmetrik: Generation-Speed (tok/s)

Dieser Lauf ist besser als 45 % aller vergleichbaren Systeme.

Generation 89,8 tok/s

-67 % vs Ø 270,4

Prefill 1.231,4 tok/s

-78 % vs Ø 5.568,2

Time to First Token 16.475 ms

+69 % vs Ø 9.777

Verteilung im Feld0 – 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 gleiches ModellNVIDIA 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 dieser LaufAMD Radeon 8060S Graphics · run-20260724-082957-a9750d

89,8 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
Quantisierung: Q4_K_M
Betriebssystem: Ubuntu 24.04.2 LTS (Kernel 6.17.0-40-generic)
Treiber: ROCm 7.2.0
Modell: Qwen3-VL-30B-A3B-Instruct

Konfiguration

benchmark-konfiguration — run-20260724-082957-a9750d

# LLM-Benchmark Konfiguration # Modell : Qwen3-VL-30B-A3B-Instruct # Engine : llama.cpp # Run-ID : run-20260724-082957-a9750d # 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

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Qwen3-VL-30B-A3B-Instruct 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 1.028,5 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 dieser Lauf

CPUnach Prozessor

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 dieser Lauf

MBnach 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 dieser Lauf

ENGnach Engine

vLLM 1.028,5 tok/s★ llama.cpp 850,3 tok/s dieser Lauf

DRVnach Treiber

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 dieser Lauf

Beigesteuert von

Mario Alka Administrator

@marioalka

Gruender von godcore.de