# LLM-Benchmark Konfiguration # Modell : Llama-3.3-Nemotron-Super-49B-v1.5 # Engine : llama.cpp # Run-ID : run-20260729-105334-640dbf # 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--gabriellarson--Llama-3_3-Nemotron-Super-49B-v1_5-GGUF/snapshots/c324e134daf0a0d4f9e3e136ae525df9fdebea3b/Llama-3_3-Nemotron-Super-49B-v1_5-Q4_K_M.gguf \ --alias Llama-3_3-Nemotron-Super-49B-v1_5 \ --host 0.0.0.0 \ --port 8000 \ -ngl 30 \ -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.	Llama-3_3-Nemotron-Super-49B-v1_5
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--gabriellarson--Llama-3_3-Nemotron-Super-49B-v1_5-GGUF/snapshots/c324e134daf0a0d4f9e3e136ae525df9fdebea3b/Llama-3_3-Nemotron-Super-49B-v1_5-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.	30
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

Llama-3.3-Nemotron-Super-49B-v1.5 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 364,1 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 303,0 tok/sNVIDIA RTX A6000 197,3 tok/sAMD Radeon PRO W7900 Dual Slot 71,0 tok/s★ NVIDIA GeForce RTX 5070 Ti 25,2 tok/s dieser LaufNVIDIA GeForce RTX 5090 20,2 tok/sNVIDIA GeForce RTX 3090 Ti 19,6 tok/sAMD Radeon AI PRO R9700 11,6 tok/s

CPUnach Prozessor

AMD Ryzen 9 9950X 16-Core Processor 364,1 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 303,0 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 197,3 tok/s★ AMD Ryzen Threadripper PRO 5975WX 32-Cores 71,0 tok/s dieser LaufAMD Ryzen 7 5800X3D 8-Core Processor 20,2 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 19,6 tok/s

MBnach Mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 364,1 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 303,0 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 71,0 tok/s dieser LaufASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 20,2 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 19,6 tok/s

ENGnach Engine

★ llama.cpp 364,1 tok/s dieser LaufvLLM 197,3 tok/s

DRVnach Treiber

unbekannt 364,1 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 übernehmen Zurücksetzen

⚡ Strompreis EUR/kWh

⚙️ System-Auslastung 100 %

🖥️ Anschaffung EUR

🔌 Idle 10 W

⚡ TDP 310 W

☁️ Externes LLM (API) anzeigen

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

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. Token1,03 EUR

Token / kWh292,41 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)1,59 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

	Llama-3.3-Nemotron-Super-49B-v1.5NVIDIA GeForce RTX 5070 Ti	Llama-3.3-Nemotron-Super-49B-v1.5NVIDIA RTX PRO 6000 Blackwell Workstation Edition	Llama-3.3-Nemotron-Super-49B-v1.53x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	Llama-3.3-Nemotron-Super-49B-v1.53x 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 25 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 364 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 303 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 291 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.