# LLM-Benchmark Konfiguration # Modell : gemma-4-12B-it # Engine : llama.cpp # Run-ID : run-20260729-032127-d1f86f # GPU : NVIDIA GeForce RTX 3090 Ti # CPU : AMD Ryzen 9 8945HX with Radeon Graphics # RAM : 92 GB bench@llm-benchmark:~$ /root/llama.cpp/build/bin/llama-server \ -m /root/.cache/huggingface/hub/models--unsloth--gemma-4-12B-it-qat-GGUF/snapshots/980b060c40a8539ac159e0501a3e0f66a6365af3/gemma-4-12B-it-qat-UD-Q4_K_XL.gguf \ --alias gemma-4-12B-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-4-12B-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.	/root/.cache/huggingface/hub/models--unsloth--gemma-4-12B-it-qat-GGUF/snapshots/980b060c40a8539ac159e0501a3e0f66a6365af3/gemma-4-12B-it-qat-UD-Q4_K_XL.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

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

gemma-4-12B-it 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 1.104,3 tok/sNVIDIA GeForce RTX 5090 1.058,9 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.041,8 tok/sNVIDIA RTX A6000 681,8 tok/sNVIDIA GeForce RTX 5070 Ti 677,5 tok/s★ NVIDIA GeForce RTX 3090 Ti 654,9 tok/s dieser LaufAMD Radeon PRO W7800 48GB 202,0 tok/sTesla V100-PCIE-32GB 186,2 tok/sNVIDIA GeForce RTX 2060 89,8 tok/sNVIDIA Tesla P100 PCIe 16GB 45,8 tok/s

CPUnach Prozessor

AMD Ryzen 9 9950X 16-Core Processor 1.104,3 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 1.058,9 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.041,8 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 681,8 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 677,5 tok/s★ AMD Ryzen 9 8945HX with Radeon Graphics 654,9 tok/s dieser LaufAMD Ryzen 5 5600X 6-Core Processor 372,4 tok/sAMD Ryzen 3 PRO 3200GE w/ Radeon Vega Graphics 186,2 tok/sIntel(R) Core(TM) i5-7400 CPU @ 3.00GHz 89,8 tok/sAMD Ryzen 9 7945HX with Radeon Graphics 45,8 tok/s

MBnach Mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.104,3 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.058,9 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.041,8 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 677,5 tok/s★ Meigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 654,9 tok/s dieser LaufASUSTeK COMPUTER INC. PRIME A520M-K 372,4 tok/sASUSTeK COMPUTER INC. ROG STRIX X570-F GAMING 186,2 tok/sASRock H110 Pro BTC+ 89,8 tok/sShenzhen Meigao Electronic Equipment Co.,Ltd F1FXM (DeskMini Series) 45,8 tok/s

ENGnach Engine

★ llama.cpp 1.104,3 tok/s dieser LaufvLLM 681,8 tok/s

DRVnach Treiber

unbekannt 1.104,3 tok/s

💰 Economics

Wirtschaftlichkeit dieses Laufs

Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (1× parallel). Methodik →

⚙️ KonfigurationAlle Kennzahlen und Diagramme unten folgen diesen Einstellungen – bezogen auf 24 Monate Laufzeit.In URL übernehmen Zurücksetzen

⚡ Strompreis EUR/kWh

⚙️ System-Auslastung 100 %

🖥️ Anschaffung EUR

🔌 Idle 50 W

⚡ TDP 477 W

☁️ Externes LLM (API) anzeigen

Input €/1M Output €/1M Input je Output-Token

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)477 W geschätzt (TDP)GPU 450 + CPU 17 + Board 10 W Volllast

Ø-Kosten / Stunde0,14 EUR

Strom / 1 Mio. Token0,43 EUR

Token / kWh702,27 Tsd.

Anschaffung (System)2.986 EUR TeilpreisGPU 999 EUR · CPU 549 EUR · RAM 1.288 EUR · Netzteil 150 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)5.494 EUR

Output-Token (2 Jahre)5,87 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 (50 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

	gemma-4-12B-itNVIDIA GeForce RTX 3090 Ti	gemma-4-12B-itNVIDIA GeForce RTX 5090	gemma-4-12B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition	gemma-4-12B-it3x 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 3090 Ti · dieser Lauf 93 tok/s NVIDIA GeForce RTX 5090 154 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 152 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 144 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.