Contributed byMario AlkaQwen (Alibaba) Qwen3-30B-A3B-Thinking-2507
Performance benchmark · measured on 27.07.2026 06:47
Benchmark-ID
run-20260727-082116-a324a7Timebench 3 - Kombi (Prefill + Generation)MoE30BRuntime: vLLMQuantisierung: AWQ
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.
Generation41,87tok/s
Prefill1.695,13tok/s
Time to First Token20.796,50ms
Total duration532,91s
Concurrency10parallel
Ranking in the field
49of 76 systems
Performance benchmark · Primary metric: Generation-Speed (tok/s) · 10× concurrent
This run is better than 36 % of all comparable systems.
Generation
41,9 tok/s
-85 % vs Ø 275,8
Prefill
1.695,1 tok/s
-31 % vs Ø 2.440,1
Time to First Token
20.797 ms
-80 % vs Ø 101.921
Distribution in the field2 – 1.744 tok/s
Wie schlägt sich dieser Benchmark mit anderen Modellen?
gemma-4-E2B-itNVIDIA GeForce RTX 5070 Ti · run-20260728-140953-875f2e
1.744,0 tok/s
gemma-4-E2B-itNVIDIA GeForce RTX 5070 Ti · run-20260727-090152-d5613d
1.743,1 tok/s
gemma-4-E2B-itNVIDIA GeForce RTX 5070 Ti · run-20260727-032758-bb6a92
1.608,5 tok/s
gpt-oss-20bNVIDIA GeForce RTX 5070 Ti · run-20260727-145956-ba1dd9
1.210,3 tok/s
NVIDIA-Nemotron-3-Nano-4BNVIDIA GeForce RTX 5070 Ti · run-20260727-090153-f232e7
1.197,0 tok/s
gemma-4-E4B-itNVIDIA GeForce RTX 5070 Ti · run-20260727-090153-f5c391
1.082,4 tok/s
gemma-4-E4B-itNVIDIA GeForce RTX 5070 Ti · run-20260727-032759-95c93c
1.022,8 tok/s
Gemma-4-26B-A4B-itNVIDIA GeForce RTX 5070 Ti · run-20260729-032121-0de27f
1.009,0 tok/s
Meta-Llama-3.1-8B-InstructNVIDIA GeForce RTX 5070 Ti · run-20260728-194135-ea27af
913,4 tok/s
Ornith-1.0-9BNVIDIA GeForce RTX 5070 Ti · run-20260730-064527-e00abe
883,4 tok/s
gemma-4-12B-itNVIDIA GeForce RTX 5070 Ti · run-20260728-194136-c688b4
677,5 tok/s
Ministral-3-14B-Reasoning-2512NVIDIA GeForce RTX 5070 Ti · run-20260728-194137-c91fd6
590,0 tok/s
Ministral-3-14B-Reasoning-2512NVIDIA GeForce RTX 5070 Ti · run-20260727-032759-f155dc
497,6 tok/s
gemma-4-12B-itNVIDIA GeForce RTX 5070 Ti · run-20260727-032759-8c9d3d
486,2 tok/s
Qwen3-30B-A3B-Thinking-2507 this runNVIDIA GeForce RTX 5070 Ti · run-20260727-082116-a324a7
41,9 tok/s
How does this benchmark compare on other GPUs?
Same model on different hardware · 10× concurrent · Generation (tok/s)
NVIDIA GeForce RTX 5090run-20260729-105335-e6f72a
1.683,8 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260729-032123-88fa84
1.670,5 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20261023-065850-7d5629
1.623,2 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105342-9f1be6
1.521,4 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105342-a89e7f
1.518,4 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105342-bd5e1f
1.465,3 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260729-060803-f260ab
930,6 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20261023-071954-1cd2ee
913,3 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260724-004605-f9a3a1
906,0 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260724-004603-ee41df
883,7 tok/s
NVIDIA GeForce RTX 5090run-20260723-045450-14f178
873,7 tok/s
2× NVIDIA RTX A6000run-20260829-124021-f57a00
751,7 tok/s
2× NVIDIA RTX A6000run-20260827-090902-07d874
673,2 tok/s
2× NVIDIA RTX A6000run-20260829-181042-e10c46
554,2 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: Qwen3-30B-A3B-Thinking-2507
Configuration
# LLM-Benchmark Konfiguration
# Modell : Qwen3-30B-A3B-Thinking-2507
# Engine : vLLM
# Run-ID : run-20260727-082116-a324a7
# 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/Qwen3-30B-A3B-Thinking-2507-AWQ-4bit \
--served-model-name Qwen3-30B-A3B-Thinking-2507 \
--tensor-parallel-size 1 \
--cpu-offload-gb 80 \
--dtype auto \
--max-model-len 4096 \
--enforce-eager \
--gpu-memory-utilization 0.60 \
--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. | Qwen3-30B-A3B-Thinking-2507 |
| Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann. | 4096 |
| Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen. | Qwen3-30B-A3B-Thinking-2507 |
| 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. | 4096 |
| 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'. | 0.60 |
| execution_type | local |
Anzeige
Model comparison
Qwen3-30B-A3B-Thinking-2507 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 GeForce RTX 5090 1.683,8 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.670,5 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.521,4 tok/sNVIDIA GeForce RTX 3090 Ti 930,6 tok/sNVIDIA RTX A6000 751,7 tok/sNVIDIA GeForce RTX 3090 371,7 tok/sAMD Radeon RX 7900 XTX 303,1 tok/sAMD Radeon PRO W7800 48GB 258,3 tok/sAMD Radeon PRO W7900 Dual Slot 254,6 tok/sAMD Radeon AI PRO R9700 238,8 tok/sNVIDIA DGX SPARK (GB10) 161,1 tok/s★ NVIDIA GeForce RTX 5070 Ti 155,8 tok/s this runNVIDIA RTX SPARK (N1X) 107,0 tok/sCPU-only 8,5 tok/s
CPUby processor
AMD Ryzen 7 5800X3D 8-Core Processor 1.683,8 tok/sAMD Ryzen 9 9950X 16-Core Processor 1.670,5 tok/sAMD Ryzen 5 5600X 6-Core Processor 1.623,2 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.521,4 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 930,6 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 751,7 tok/sAMD Ryzen Threadripper PRO 3955WX 16-Cores 303,1 tok/s★ AMD Ryzen Threadripper PRO 5975WX 32-Cores 258,3 tok/s this runAMD Ryzen 3 3100 4-Core Processor 238,8 tok/sIntel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 223,3 tok/sNVIDIA Grace 161,1 tok/sNVIDIA RTX Spark N1X (6144-core GPU, 20-core CPU) 107,0 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 8,5 tok/s
MBby mainboard
ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.683,8 tok/sASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.670,5 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.521,4 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 930,6 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 303,1 tok/s this runASUSTeK COMPUTER INC. ROG STRIX X570-F GAMING 238,8 tok/sDell Inc. PowerEdge R820 223,3 tok/sASUSTeK COMPUTER INC. GX10 161,1 tok/sASUS H7607BA 107,0 tok/s
DRVby driver
unbekannt 1.683,8 tok/sNVIDIA 590.48.01 / CUDA 13.1 161,1 tok/sAMD 7.0.0-27-generic 91,4 tok/s
💰 Economics
Economics of this run
Operating cost, TCO and comparison with the next-best runs of the same model at identical concurrency (10× concurrent). Methodology →
⚙️ ConfigurationAll metrics and charts below follow these settings – based on a 24-month runtime.Save to URLReset
⚡ Electricity price
EUR/kWh
⚙️ System utilization
100 %
🖥️ Acquisition
EUR
🔌 Idle
10 W
⚡ TDP
310 W
☁️ External LLM (API)
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 0.62
Token / kWh486.23K
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)2.64B
☁️ 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
| Qwen3-30B-A3B-Thinking-2507NVIDIA GeForce RTX 5070 Ti | Qwen3-30B-A3B-Thinking-2507NVIDIA GeForce RTX 5090 | Qwen3-30B-A3B-Thinking-2507NVIDIA RTX PRO 6000 Blackwell Workstation Edition | Qwen3-30B-A3B-Thinking-2507NVIDIA RTX PRO 6000 Blackwell 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 42 tok/sNVIDIA GeForce RTX 5090 1,684 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 1,670 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 1,623 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.