Beigesteuert vonMario AlkaGoogle Gemma-4-26B-A4B-it
Performancebenchmark · gemessen am 24.07.2026 12:28
Benchmark-ID
run-20260725-031733-e7513aTimebench 3 - Kombi (Prefill + Generation)MoE26BRuntime: llama.cppQuantisierung: Q4_0
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.
Generation73,65tok/s
Prefill842,77tok/s
Time to First Token24.098,50ms
Gesamtdauer132,07s
Concurrency10parallel
Einordnung im Feld
1205von 1459 Systemen
Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 10× parallel
Dieser Lauf ist besser als 17 % aller vergleichbaren Systeme.
Generation
73,7 tok/s
-84 % vs Ø 447,4
Prefill
842,8 tok/s
-88 % vs Ø 6.827,2
Time to First Token
24.099 ms
-46 % vs Ø 44.979
Verteilung im Feld0 – 2.491 tok/s
Wie schlägt sich dieser Benchmark mit anderen Modellen?
gemma-4-E2B-itNVIDIA GeForce RTX 5090 · run-20260728-184455-e28775
2.491,2 tok/s
gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181606-b37ed9
2.414,4 tok/s
gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20261023-065752-48370d
2.412,3 tok/s
Nemotron-3.5-Lightning-30B-A3BNVIDIA GeForce RTX 3090 Ti · run-20261021-093815-dce558
2.263,7 tok/s
Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181607-4cca42
2.182,7 tok/s
Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20261023-065758-96fe6a
2.144,3 tok/s
gemma-4-E2B-it3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-184456-d87c73
2.143,6 tok/s
gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260730-035052-9c966e
1.995,4 tok/s
gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260728-140954-8007c4
1.993,5 tok/s
gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20261023-065808-332d1f
1.981,1 tok/s
Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-0aed86
1.937,7 tok/s
Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-8db0fa
1.911,6 tok/s
Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260727-181606-e0eafd
1.897,0 tok/s
gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260729-032121-7c961d
1.890,7 tok/s
Gemma-4-26B-A4B-it dieser LaufAMD Radeon 8060S Graphics · run-20260725-031733-e7513a
73,7 tok/s
Wie schlägt sich dieser Benchmark mit anderen GPUs?
Dasselbe Modell auf anderer Hardware · 10× parallel · Generation (tok/s)
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20261023-071744-de6331
1.604,6 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260730-043114-b28011
1.589,1 tok/s
NVIDIA GeForce RTX 5090run-20260729-105333-1fe242
1.540,5 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105338-150c79
1.479,9 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105338-1cf1e0
1.479,4 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105338-e7734e
1.466,2 tok/s
NVIDIA GeForce RTX 5070 Tirun-20260729-032121-0de27f
1.009,0 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260729-032132-0df294
926,2 tok/s
2× NVIDIA RTX A6000run-20260829-120719-3160bc
841,8 tok/s
2× NVIDIA RTX A6000run-20260827-090901-fa3547
754,7 tok/s
2× NVIDIA RTX A6000run-20260829-170440-876dd2
690,9 tok/s
2× NVIDIA RTX A6000run-20260827-125704-faf528
630,9 tok/s
NVIDIA RTX A6000run-20260826-211811-65a272
488,9 tok/s
2× NVIDIA RTX A6000run-20260827-125704-5847fe
459,0 tok/s
Hardware
GPU: AMD Radeon 8060S Graphics
CPU: 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_0
Modell: Gemma-4-26B-A4B-it
Konfiguration
# LLM-Benchmark Konfiguration
# Modell : Gemma-4-26B-A4B-it
# Engine : llama.cpp
# Run-ID : run-20260725-031733-e7513a
# 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 |
Anzeige
Modell-Vergleich
Gemma-4-26B-A4B-it 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 1.604,6 tok/sNVIDIA GeForce RTX 5090 1.540,5 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.479,9 tok/sNVIDIA GeForce RTX 5070 Ti 1.009,0 tok/sNVIDIA GeForce RTX 3090 Ti 926,2 tok/sNVIDIA RTX A6000 841,8 tok/sAMD Radeon RX 7900 XTX 315,5 tok/sAMD Radeon PRO W7800 48GB 247,3 tok/s★ AMD Radeon 8060S Graphics 79,5 tok/s dieser Lauf
CPUnach Prozessor
AMD Ryzen 5 5600X 6-Core Processor 1.604,6 tok/sAMD Ryzen 9 9950X 16-Core Processor 1.589,1 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 1.540,5 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.479,9 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 1.009,0 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 926,2 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 841,8 tok/sAMD Ryzen Threadripper PRO 3955WX 16-Cores 315,5 tok/sIntel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 185,7 tok/s★ AMD RYZEN AI MAX+ 395 w/ Radeon 8060S 79,5 tok/s dieser Lauf
MBnach Mainboard
ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.604,6 tok/sASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.589,1 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.479,9 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 1.009,0 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 926,2 tok/sASUSTeK COMPUTER INC. PRIME A520M-K 397,2 tok/sDell Inc. PowerEdge R820 185,7 tok/s★ Meigao Innovation Technology (Shen Zhen) Co., Ltd SHWSA (MS-S1 MAX) 79,5 tok/s dieser Lauf
DRVnach Treiber
unbekannt 1.604,6 tok/sROCm 7.2.0 42,2 tok/s
💰 Economics
Wirtschaftlichkeit dieses Laufs
Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (10× parallel). Methodik →
⚙️ KonfigurationAlle Kennzahlen und Diagramme unten folgen diesen Einstellungen – bezogen auf 24 Monate Laufzeit.In URL übernehmenZurücksetzen
⚡ Strompreis
EUR/kWh
⚙️ System-Auslastung
100 %
🖥️ Anschaffung
EUR
🔌 Idle
18 W
⚡ TDP
120 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)120 W geschätzt (TDP)GPU 120 W Volllast
Ø-Kosten / Stunde0,036 EUR
Strom / 1 Mio. Token0,14 EUR
Token / kWh2,21 Mio.
Anschaffung (System)7.454 EUR TeilpreisGPU 3.000 EUR · Board 3.900 EUR · RAM 434 EUR · Netzteil 120 EUR
Stromkosten (2 Jahre)–
TCO (2 Jahre)8.085 EUR
Output-Token (2 Jahre)4,65 Mrd.
☁️ Externes LLM (API) – Vergleich
Externe LLM-Kosten (2 Jahre)–
Ersparnis vs. extern (2 Jahre)–
Alle Werte oben und die Diagramme unten berücksichtigen die eingestellte System-Auslastung: bei X % generiert das System nur X % der Zeit, die restliche Zeit läuft es im Idle (18 W). Kosten pro Stunde sinken dadurch (mehr Idle), Kosten je Token steigen.
Kosten über 2 Jahre – nur Strom
Kosten über 2 Jahre – inkl. Anschaffung (TCO)
Geschwindigkeit vs. Token pro Euro
Euro pro 1 Mio. Token
Vergleich zur API – Wirtschaftlichkeit je Benchmark
| Gemma-4-26B-A4B-itAMD Radeon 8060S Graphics | Gemma-4-26B-A4B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition | Gemma-4-26B-A4B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition | Gemma-4-26B-A4B-itNVIDIA GeForce RTX 5090 | |
|---|---|---|---|---|
| Kosten Strom (24 Mon.) | – | – | – | – |
| Kosten Anschaffung | – | – | – | – |
| Kosten Gesamt (TCO) | – | – | – | – |
| Generierte Token (24 Mon.) | – | – | – | – |
| Tokenpreis bei API | – | – | – | – |
| Break-Even-Point (Tage) | – | – | – | – |
| Ergebnis (Ersparnis / Ausgabe) | – | – | – | – |
AMD Radeon 8060S Graphics · dieser Lauf 74 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.605 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.589 tok/sNVIDIA GeForce RTX 5090 1.540 tok/s
Vergleich mit bis zu 3 nächstbesten Läufen dieses Modells bei gleicher Concurrency (mind. einer auf anderer Hardware). Leistung = GPU-TDP + CPU (Idle + 15 %) + Board (geschätzt), Anschaffung = komplettes System (GPU + CPU + Board + RAM + Netzteil), Preise = hinterlegte Marktpreise.
Beigesteuert von
Mario Alka Administrator
@marioalka
Ich bin Unternehmer, Softwareentwickler und KI-Enthusiast. Seit vielen Jahren entwickle ich Unternehmenssoftware und beschäftige mich inzwischen fast täglich mit lokalen LLMs, KI-Agenten und leistungsfähiger KI-Hardware.
Mit LLM-Benchmark.de möchte ich eine Plattform schaffen, auf der Modelle, GPUs und Agenten objektiv und reproduzierbar miteinander verglichen werden.