# LLM-Benchmark Konfiguration # Modell : gemma-4-E4B-it # Engine : llama.cpp # Run-ID : run-20260727-090152-24cf86 # GPU : NVIDIA GeForce RTX 5070 Ti # CPU : AMD Ryzen Threadripper PRO 5975WX 32-Cores # RAM : 247 GB bench@llm-benchmark:~$ /home/godcore/llama.cpp/build/bin/llama-server \ -m /home/godcore/.cache/huggingface/hub/models--unsloth--gemma-4-E4B-it-GGUF/snapshots/bfc15c382204943c3a8fff0c750b94ae2364d7a3/gemma-4-E4B-it-Q4_K_M.gguf \ --alias gemma-4-E4B-it \ --host 0.0.0.0 \ --port 8000 \ -ngl 999 \ -c 16384 \ -np 4 \ --jinja

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-E4B-it
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	16384
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.	/home/godcore/.cache/huggingface/hub/models--unsloth--gemma-4-E4B-it-GGUF/snapshots/bfc15c382204943c3a8fff0c750b94ae2364d7a3/gemma-4-E4B-it-Q4_K_M.gguf
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.	999
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	16384
np	4

All benchmarks of this model To leaderboard

Model comparison

gemma-4-E4B-it 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 5070 Ti 1.082,4 tok/s this runNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 106,3 tok/sAMD Radeon 8060S Graphics 79,7 tok/s

CPUby processor

★ AMD Ryzen Threadripper PRO 5975WX 32-Cores 1.082,4 tok/s this runAMD Ryzen Threadripper PRO 9965WX 24-Cores 106,3 tok/sAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 79,7 tok/s

MBby mainboard

★ ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 1.082,4 tok/s this runASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 106,3 tok/sBosgame AXB35-02 (BeyondMax Series) 79,7 tok/s

ENGby engine

★ llama.cpp 1.082,4 tok/s this runvLLM 1.022,8 tok/s

DRVby driver

unbekannt 1.082,4 tok/s

💰 Economics

Economics of this run

Operating cost, TCO and comparison with the next-best runs of the same model. Methodology →

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

⚡ Electricity price EUR/kWh Save to URL

🖥️ Acquisition EUR Reset

☁️ External LLM (API) show Input €/1M Output €/1M Input per output token

⚙️ System utilization 100 % Idle: 10 W · Full load: 10 W

Electricity0.30 EUR/kWh

Avg power (incl. idle)10 W missingBoard 10 W full load

Avg cost / hourEUR 0.0030

Electricity / 1M tokensEUR 0.0014

Token / kWh213.17M

Acquisition (system)EUR 2,096 missingRAM EUR 1,976 · PSU EUR 120

Electricity (2 years)–

TCO (2 years)EUR 2,149

Output tokens (2 years)37.35B

☁️ External LLM (API) – comparison

External LLM cost (2 years)–

Savings vs. external (2 years)–

No power draw measured – values estimated from GPU TDP + CPU (idle + 15 %) + board.

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

NVIDIA GeForce RTX 5070 Ti · this run 592 tok/s NVIDIA GeForce RTX 5070 Ti 1,082 tok/s NVIDIA GeForce RTX 5070 Ti 1,023 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 106 tok/s

Comparison with up to 3 next-best runs of this model (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.