ℹ

For context: 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.

Generation19,05tok/s

Prefill516,97tok/s

Time to First Token20.707,50ms

Total duration580,07s

Concurrency5parallel

Ranking in the field

This GPU All GPUs

60of 76 systems

Performance benchmark · Primary metric: Generation-Speed (tok/s) · 5× concurrent

This run is better than 21 % of all comparable systems.

Generation 19,1 tok/s

-88 % vs Ø 164,9

Prefill 517,0 tok/s

-75 % vs Ø 2.052,4

Time to First Token 20.708 ms

-63 % vs Ø 56.332

Distribution in the field2 – 974 tok/s

Ø 165 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

gemma-4-E2B-itNVIDIA GeForce RTX 5070 Ti · run-20260727-032758-a7d32d

973,5 tok/s

gemma-4-E2B-itNVIDIA GeForce RTX 5070 Ti · run-20260727-090152-b472f0

971,4 tok/s

gemma-4-E2B-itNVIDIA GeForce RTX 5070 Ti · run-20260728-140953-67115b

969,6 tok/s

gpt-oss-20bNVIDIA GeForce RTX 5070 Ti · run-20260727-145956-0a1a23

710,4 tok/s

Nemotron-3-Nano-4BNVIDIA GeForce RTX 5070 Ti · run-20260727-090153-aeee69

676,4 tok/s

gemma-4-E4B-itNVIDIA GeForce RTX 5070 Ti · run-20260727-032759-9ceaf4

616,0 tok/s

gemma-4-E4B-itNVIDIA GeForce RTX 5070 Ti · run-20260727-090152-24cf86

592,1 tok/s

Gemma-4-26B-A4B-itNVIDIA GeForce RTX 5070 Ti · run-20260729-032121-6657dc

585,9 tok/s

Meta-Llama-3.1-8B-InstructNVIDIA GeForce RTX 5070 Ti · run-20260728-194135-584e33

489,7 tok/s

Ornith-1.0-9BNVIDIA GeForce RTX 5070 Ti · run-20260730-064527-d7d465

468,0 tok/s

gemma-4-12B-itNVIDIA GeForce RTX 5070 Ti · run-20260728-194136-63ca0c

360,9 tok/s

Ministral-3-14B-Reasoning-2512NVIDIA GeForce RTX 5070 Ti · run-20260727-032759-014935

318,7 tok/s

gemma-4-12B-itNVIDIA GeForce RTX 5070 Ti · run-20260727-032759-b402b1

315,7 tok/s

Ministral-3-14B-Reasoning-2512NVIDIA GeForce RTX 5070 Ti · run-20260728-194137-76c579

312,2 tok/s

Qwen3.5-35B-A3B this runNVIDIA GeForce RTX 5070 Ti · run-20260727-032759-8ac21f

19,1 tok/s

How does this benchmark compare on other GPUs?

Same model on different hardware · 5× concurrent · Generation (tok/s)

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260729-032128-74fd1d

829,6 tok/s

NVIDIA GeForce RTX 5090run-20260730-204032-d9cd71

794,7 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260801-072828-0f4924

762,1 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260731-071555-5c9557

753,0 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260730-204032-c5f029

728,8 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260731-071555-473ff1

724,9 tok/s

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260724-082959-b75c95

594,8 tok/s

2× NVIDIA RTX A6000run-20260829-152523-9f0593

505,6 tok/s

NVIDIA GeForce RTX 3090 Tirun-20260729-105336-7d3fc3

479,1 tok/s

2× NVIDIA RTX A6000run-20260828-105211-e83e7b

461,1 tok/s

2× NVIDIA RTX A6000run-20260830-054329-073a4a

460,9 tok/s

2× NVIDIA RTX A6000run-20260827-111923-8467bf

460,3 tok/s

2× NVIDIA RTX A6000run-20260830-001324-a777a9

450,2 tok/s

2× NVIDIA RTX A6000run-20260827-175312-cd3271

417,3 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
Quantization: AWQ
Model: Qwen3.5-35B-A3B

Configuration

benchmark-konfiguration — run-20260727-032759-8ac21f

# LLM-Benchmark Konfiguration # Modell : Qwen3.5-35B-A3B # Engine : vLLM # Run-ID : run-20260727-032759-8ac21f # 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

All benchmarks of this model To leaderboard

Model comparison

Qwen3.5-35B-A3B 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 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 this runNVIDIA GB10 (DGX Spark) 46,9 tok/s

CPUby processor

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 this runNVIDIA Grace 46,9 tok/s

MBby 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 this runASUSTeK COMPUTER INC. GX10 46,9 tok/s

ENGby engine

llama.cpp 1.520,4 tok/s★ vLLM 1.028,6 tok/s this rununbekannt 78,5 tok/s

DRVby driver

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

Economics of this run

Operating cost, TCO and comparison with the next-best runs of the same model at identical concurrency (5× concurrent). Methodology →

⚙️ ConfigurationAll metrics and charts below follow these settings – based on a 24-month runtime.Save to URL Reset

⚡ Electricity price EUR/kWh

⚙️ System utilization 100 %

🖥️ Acquisition EUR

🔌 Idle 10 W

⚡ TDP 310 W

☁️ External LLM (API) show

Input €/1M Output €/1M Input per output token

Electricity0.30 EUR/kWh

Avg power (incl. idle)310 W estimated (TDP)GPU 300 + Board 10 W full load

Avg cost / hourEUR 0.093

Electricity / 1M tokensEUR 1.36

Token / kWh221.23K

Acquisition (system)EUR 5,000 partial priceGPU EUR 994 · CPU EUR 1,880 · RAM EUR 1,976 · PSU EUR 150

Electricity (2 years)–

TCO (2 years)EUR 6,629

Output tokens (2 years)1.20B

☁️ External LLM (API) – comparison

External LLM cost (2 years)–

Savings vs. external (2 years)–

All values above and the charts below take the configured system utilization into account: at X% the system generates only X% of the time, the rest it idles (10 W). Cost per hour drops (more idle), cost per token rises.

Cost over 2 years – electricity only

Cost over 2 years – incl. acquisition (TCO)

Speed vs. tokens per euro

Euro per 1M tokens

Comparison vs. API – economics per 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
Electricity cost (24 mo.)	–	–	–	–
Acquisition cost	–	–	–	–
Total cost (TCO)	–	–	–	–
Generated tokens (24 mo.)	–	–	–	–
Token price via API	–	–	–	–
Break-even point (days)	–	–	–	–
Result (savings / extra cost)	–	–	–	–

NVIDIA GeForce RTX 5070 Ti · this run 19 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 830 tok/s NVIDIA GeForce RTX 5090 795 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 762 tok/s

Comparison with up to 3 next-best runs of this model at the same concurrency (at least one on different hardware). Power = GPU TDP + CPU (idle + 15 %) + board (estimated), acquisition = full system (GPU + CPU + board + RAM + PSU), prices = stored market prices.

Contributed by

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.