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.

Generation67,85tok/s

Prefill751,24tok/s

Time to First Token13.155,50ms

Gesamtdauer82,77s

Concurrency5parallel

Einordnung im Feld

752von 1468 Systemen

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

Dieser Lauf ist besser als 49 % aller vergleichbaren Systeme.

Generation 67,9 tok/s

-66 % vs Ø 199,9

Prefill 751,2 tok/s

-84 % vs Ø 4.582,1

Time to First Token 13.156 ms

+59 % vs Ø 8.256

Verteilung im Feld0 – 1.444 tok/s

Ø 200 Median Dieser Lauf

Wie schlägt sich dieser Benchmark?

gpt-oss-20b gleiches ModellNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260723-194447-dc199d

1.443,9 tok/s

gpt-oss-20b gleiches ModellNVIDIA 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-20b gleiches ModellNVIDIA GeForce RTX 5090 · run-20260723-045447-edeed3

1.295,3 tok/s

gpt-oss-20b gleiches Modell3× 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

gpt-oss-20b dieser LaufAMD Radeon 8060S Graphics · run-20260725-031734-ad03b8

67,9 tok/s

Hardware

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

Setup

Runtime: llama.cpp
Quantisierung: Q4_K_M
Modell: gpt-oss-20b

Konfiguration

benchmark-konfiguration — run-20260725-031734-ad03b8

# LLM-Benchmark Konfiguration # Modell : gpt-oss-20b # Engine : llama.cpp # Run-ID : run-20260725-031734-ad03b8 # 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

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

gpt-oss-20b 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 1.443,9 tok/sNVIDIA GeForce RTX 5090 1.386,8 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.238,3 tok/sNVIDIA GeForce RTX 3090 Ti 797,2 tok/sAMD Radeon AI PRO R9700 340,5 tok/s★ AMD Radeon 8060S Graphics 173,3 tok/s dieser LaufCPU-only 14,5 tok/s

CPUnach Prozessor

AMD Ryzen 9 9950X 16-Core Processor 1.443,9 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 1.386,8 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.238,3 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 797,2 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 340,5 tok/s★ AMD RYZEN AI MAX+ 395 w/ Radeon 8060S 173,3 tok/s dieser LaufIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 14,5 tok/s

MBnach Mainboard

unbekannt 1.443,9 tok/s

ENGnach Engine

vLLM 1.443,9 tok/s★ llama.cpp 848,3 tok/s dieser Lauf

DRVnach Treiber

unbekannt 1.443,9 tok/s

Beigesteuert von

Mario Alka Administrator

@marioalka

Gruender von godcore.de