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.

Generation75,25tok/s

Prefill877,62tok/s

Time to First Token23.266,00ms

Total duration127,18s

Concurrency10parallel

Ranking in the field

705of 1468 systems

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

This run is better than 52 % of all comparable systems.

Generation 75,3 tok/s

-62 % vs Ø 199,9

Prefill 877,6 tok/s

-81 % vs Ø 4.582,1

Time to First Token 23.266 ms

+182 % vs Ø 8.256

Distribution in the field0 – 1.444 tok/s

Ø 200 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-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-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

gemma-4-E4B-it this runAMD Radeon 8060S Graphics · run-20260725-031729-320ca5

75,3 tok/s

Hardware

GPU: AMD Radeon 8060S Graphics
CPU: AMD RYZEN AI MAX+ 395 w/ Radeon 8060S
RAM: 31 GB

Setup

Runtime: llama.cpp
Quantization: Q4_0
Model: gemma-4-E4B-it

Configuration

benchmark-konfiguration — run-20260725-031729-320ca5

# LLM-Benchmark Konfiguration # Modell : gemma-4-E4B-it # Engine : llama.cpp # Run-ID : run-20260725-031729-320ca5 # GPU : AMD Radeon 8060S Graphics # CPU : 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/gemma-4-26B-A4B-it-UD-Q4_K_M.gguf \ -a gemma-4-26B-A4B-it-assistant \ --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.	gemma-4-26B-A4B-it-assistant
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/gemma-4-26B-A4B-it-UD-Q4_K_M.gguf
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.	gemma-4-26B-A4B-it-assistant
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

gemma-4-E4B-it 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 Max-Q Workstation Edition 106,3 tok/s★ AMD Radeon 8060S Graphics 79,7 tok/s this run

CPUby processor

AMD Ryzen Threadripper PRO 9965WX 24-Cores 106,3 tok/s★ AMD RYZEN AI MAX+ 395 w/ Radeon 8060S 79,7 tok/s this run

MBby mainboard

unbekannt 106,3 tok/s

ENGby engine

★ llama.cpp 106,3 tok/s this run

DRVby driver

unbekannt 106,3 tok/s

Contributed by

Mario Alka Administrator

@marioalka

Gruender von godcore.de