Beigesteuert vonMario AlkaQwen (Alibaba) Qwen3.5-35B-A3B
Performancebenchmark · gemessen am 27.07.2026 01:35
Benchmark-ID
run-20260727-032759-65eda3Timebench 3 - Kombi (Prefill + Generation)MoE35BRuntime: vLLMQuantisierung: AWQ
ℹ
Zur Einordnung: Teile des Modells wurden per --cpu-offload-gb=80 GB in den System-RAM ausgelagert – RAM wird als erweiterter VRAM genutzt, was den Durchsatz senken kann.
Generation30,59tok/s
Prefill818,57tok/s
Time to First Token35.012,00ms
Gesamtdauer600,00s
Concurrency10parallel
Einordnung im Feld
1059von 1205 Systemen
Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 10× parallel
Dieser Lauf ist besser als 12 % aller vergleichbaren Systeme.
Generation
30,6 tok/s
-93 % vs Ø 452,5
Prefill
818,6 tok/s
-88 % vs Ø 6.563,7
Time to First Token
35.012 ms
-25 % vs Ø 46.854
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
Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181607-4cca42
2.182,7 tok/s
gemma-4-E2B-it3× 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
Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-0aed86
1.937,7 tok/s
Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-8db0fa
1.911,6 tok/s
Nemotron-3-Nano-4B3× 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
Nemotron-3-Nano-4BNVIDIA GeForce RTX 5090 · run-20260728-194135-2ed9dd
1.878,7 tok/s
gpt-oss-20b3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-034052-26063b
1.835,7 tok/s
Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-a77046
1.830,3 tok/s
gpt-oss-20b3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-032121-c6e7e0
1.819,5 tok/s
Qwen3.5-35B-A3B dieser LaufNVIDIA GeForce RTX 5070 Ti · run-20260727-032759-65eda3
30,6 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-20260729-032128-68be93
1.520,4 tok/s
NVIDIA GeForce RTX 5090run-20260730-204032-5a3dc3
1.416,7 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260801-072828-9afb53
1.398,4 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260731-071555-f05b7b
1.389,2 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260731-071555-d8f174
1.361,7 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260731-071555-d79377
1.243,9 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260724-082959-cd1403
1.028,6 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260729-105336-dfc420
866,1 tok/s
2× NVIDIA RTX A6000run-20260828-105211-2d29c9
842,1 tok/s
2× NVIDIA RTX A6000run-20260830-054329-6a54ee
838,6 tok/s
2× NVIDIA RTX A6000run-20260829-152523-85ce6c
787,3 tok/s
2× NVIDIA RTX A6000run-20260827-111923-9a7815
718,5 tok/s
2× NVIDIA RTX A6000run-20260830-001324-f2d75d
658,7 tok/s
2× NVIDIA RTX A6000run-20260827-175312-53e9ac
610,9 tok/s
Hardware
GPU: NVIDIA GeForce RTX 5070 Ti · 16 GB VRAM
CPU: AMD Ryzen Threadripper PRO 5975WX 32-Cores
RAM: 247 GB
Mainboard: ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI
Setup
Runtime: vLLM
Quantisierung: AWQ
Modell: Qwen3.5-35B-A3B
Konfiguration
# LLM-Benchmark Konfiguration
# Modell : Qwen3.5-35B-A3B
# Engine : vLLM
# Run-ID : run-20260727-032759-65eda3
# GPU : NVIDIA GeForce RTX 5070 Ti
# CPU : AMD Ryzen Threadripper PRO 5975WX 32-Cores
# RAM : 247 GB
bench@llm-benchmark:~$ /home/godcore/vllm-venv/bin/python3 /home/godcore/vllm-venv/bin/vllm serve cyankiwi/Qwen3.5-35B-A3B-AWQ-4bit \
--served-model-name Qwen3.5-35B-A3B \
--tensor-parallel-size 1 \
--cpu-offload-gb 80 \
--dtype auto \
--max-model-len 8192 \
--gpu-memory-utilization 0.85 \
--trust-remote-code \
--host 0.0.0.0 \
--port 8000
| 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. | vllm |
| Modellalias?Der Name, unter dem das Modell ueber die API angesprochen wird. Genau dieser Wert muss im Request-Feld 'model' stehen. | Qwen3.5-35B-A3B |
| Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann. | 8192 |
| Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen. | Qwen3.5-35B-A3B |
| Tensor-Parallel?Anzahl GPUs, auf die JEDER einzelne Modell-Layer aufgeteilt wird (Tensor-Parallelitaet). Mehr GPUs = mehr VRAM und meist mehr Speed, aber die Anzahl der Attention-Heads muss durch diesen Wert teilbar sein (z.B. 32 Heads -> nur 1, 2, 4, 8 ... moeglich, NICHT 3). | 1 |
| cpu-offload-gb?Menge an Modellgewichten in GiB, die in den CPU-RAM ausgelagert wird. Ermoeglicht groessere Modelle als der GPU-Speicher fasst, kostet aber Geschwindigkeit. | 80 |
| Dtype?Zahlenformat der Modellgewichte bei der Berechnung (z.B. auto, float16, bfloat16). 'auto' waehlt automatisch das vom Modell empfohlene Format. | auto |
| Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells. | 8192 |
| GPU-Speicher?Anteil des GPU-Speichers (0 bis 1), den vLLM belegen darf. 0.92 = 92 %. Hoeher = mehr Platz fuer den KV-Cache (mehr/laengere parallele Anfragen), aber groesseres Risiko fuer 'Out of Memory'. | 0.85 |
Anzeige
Modell-Vergleich
Qwen3.5-35B-A3B 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 1.520,4 tok/sNVIDIA GeForce RTX 5090 1.416,7 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.398,4 tok/sNVIDIA GeForce RTX 3090 Ti 866,1 tok/sNVIDIA RTX A6000 842,1 tok/sAMD Radeon AI PRO R9700 220,5 tok/sAMD Radeon PRO W7900 Dual Slot 212,5 tok/sAMD Radeon PRO W7800 48GB 204,6 tok/s★ NVIDIA GeForce RTX 5070 Ti 142,2 tok/s dieser LaufNVIDIA GB10 (DGX Spark) 46,9 tok/s
CPUnach Prozessor
AMD Ryzen 9 9950X 16-Core Processor 1.520,4 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 1.416,7 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.398,4 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 866,1 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 842,1 tok/s★ AMD Ryzen Threadripper PRO 5975WX 32-Cores 212,5 tok/s dieser LaufNVIDIA Grace 46,9 tok/s
MBnach Mainboard
ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.520,4 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.416,7 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.398,4 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 866,1 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 212,5 tok/s dieser LaufASUSTeK COMPUTER INC. GX10 46,9 tok/s
DRVnach Treiber
unbekannt 1.520,4 tok/sAMD 7.0.0-27-generic 78,5 tok/sNVIDIA 590.48.01 / CUDA 13.1 46,9 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
10 W
⚡ TDP
310 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)310 W geschätzt (TDP)GPU 300 + Board 10 W Volllast
Ø-Kosten / Stunde0,093 EUR
Strom / 1 Mio. Token0,84 EUR
Token / kWh355,24 Tsd.
Anschaffung (System)5.000 EUR TeilpreisGPU 994 EUR · CPU 1.880 EUR · RAM 1.976 EUR · Netzteil 150 EUR
Stromkosten (2 Jahre)–
TCO (2 Jahre)6.629 EUR
Output-Token (2 Jahre)1,93 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 (10 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
| Qwen3.5-35B-A3BNVIDIA GeForce RTX 5070 Ti | Qwen3.5-35B-A3BNVIDIA RTX PRO 6000 Blackwell Workstation Edition | Qwen3.5-35B-A3BNVIDIA GeForce RTX 5090 | Qwen3.5-35B-A3B3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition | |
|---|---|---|---|---|
| Kosten Strom (24 Mon.) | – | – | – | – |
| Kosten Anschaffung | – | – | – | – |
| Kosten Gesamt (TCO) | – | – | – | – |
| Generierte Token (24 Mon.) | – | – | – | – |
| Tokenpreis bei API | – | – | – | – |
| Break-Even-Point (Tage) | – | – | – | – |
| Ergebnis (Ersparnis / Ausgabe) | – | – | – | – |
NVIDIA GeForce RTX 5070 Ti · dieser Lauf 31 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.520 tok/sNVIDIA GeForce RTX 5090 1.417 tok/s3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.398 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.