Beigesteuert vonMario AlkaQwen (Alibaba) Qwen3.6-35B-A3B
Performancebenchmark · gemessen am 29.07.2026 08:54
Benchmark-ID
run-20260729-105337-620afeTimebench 3 - Kombi (Prefill + Generation)MoE35BRuntime: llama.cppQuantisierung: UD-Q4_K_M
Generation851,97tok/s
Prefill3.889,65tok/s
Time to First Token14.433,00ms
Gesamtdauer80,58s
Concurrency10parallel
Einordnung im Feld
22von 76 Systemen
Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 10× parallel
Dieser Lauf ist besser als 72 % aller vergleichbaren Systeme.
Generation
852,0 tok/s
+70 % vs Ø 500,2
Prefill
3.889,7 tok/s
-17 % vs Ø 4.713,0
Time to First Token
14.433 ms
-76 % vs Ø 59.260
Verteilung im Feld0 – 1.493 tok/s
Wie schlägt sich dieser Benchmark mit anderen Modellen?
gemma-4-E2B-itNVIDIA GeForce RTX 3090 Ti · run-20260727-142111-067e7e
1.492,8 tok/s
gpt-oss-20bNVIDIA GeForce RTX 3090 Ti · run-20260728-034052-1af27e
1.113,5 tok/s
Nemotron-3-Nano-4BNVIDIA GeForce RTX 3090 Ti · run-20260727-145956-3936c2
992,1 tok/s
Laguna-XS-2.1NVIDIA GeForce RTX 3090 Ti · run-20260728-140956-a95d0c
986,1 tok/s
gemma-4-E4B-itNVIDIA GeForce RTX 3090 Ti · run-20260727-142111-f6547e
983,7 tok/s
Laguna-XS-2.1NVIDIA GeForce RTX 3090 Ti · run-20260728-140956-bd6646
981,7 tok/s
Laguna-XS-2.1NVIDIA GeForce RTX 3090 Ti · run-20260728-140956-69c075
979,7 tok/s
North-Mini-Code-1.0NVIDIA GeForce RTX 3090 Ti · run-20260728-195915-0c9fd6
939,5 tok/s
Qwen3-30B-A3B-Thinking-2507NVIDIA GeForce RTX 3090 Ti · run-20260729-060803-f260ab
930,6 tok/s
Qwen3-Coder-30B-A3B-InstructNVIDIA GeForce RTX 3090 Ti · run-20260729-060804-8652f4
928,5 tok/s
Qwen3-Omni-30B-A3B-ThinkingNVIDIA GeForce RTX 3090 Ti · run-20260729-060805-cbb6a2
927,4 tok/s
Gemma-4-26B-A4B-itNVIDIA GeForce RTX 3090 Ti · run-20260729-032132-0df294
926,2 tok/s
Ornith-1.0-35BNVIDIA GeForce RTX 3090 Ti · run-20260730-181639-202935
920,2 tok/s
Qwen3-30B-A3B-Instruct-2507NVIDIA GeForce RTX 3090 Ti · run-20260729-060803-9dc48b
905,1 tok/s
Qwen3.6-35B-A3B dieser LaufNVIDIA GeForce RTX 3090 Ti · run-20260729-105337-620afe
852,0 tok/s
Wie schlägt sich dieser Benchmark mit anderen GPUs?
Dasselbe Modell auf anderer Hardware · 10× parallel · Generation (tok/s)
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260729-032129-eed6f7
1.489,1 tok/s
NVIDIA GeForce RTX 5090run-20260731-071557-c6199f
1.409,4 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260731-071556-debec1
1.367,3 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260731-071555-5ee29b
1.341,3 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260731-071555-e18705
1.212,1 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260724-083000-8690d7
952,8 tok/s
NVIDIA GeForce RTX 3090 Ti dieser Laufrun-20260729-105337-620afe
852,0 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260804-052131-8412e1
830,5 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260731-084840-c0d9ee
829,5 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260804-052131-4d8c5f
828,4 tok/s
2× NVIDIA RTX A6000run-20260829-152523-12fe74
800,4 tok/s
2× NVIDIA RTX A6000run-20260827-111923-ab2007
729,3 tok/s
2× NVIDIA RTX A6000run-20260830-064935-103b74
679,1 tok/s
2× NVIDIA RTX A6000run-20260828-105212-69d3e3
669,7 tok/s
Hardware
GPU: NVIDIA GeForce RTX 3090 Ti · 24 GB VRAM
CPU: AMD Ryzen 9 8945HX with Radeon Graphics
RAM: 92 GB
Mainboard: Meigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series)
Setup
Runtime: llama.cpp
Quantisierung: UD-Q4_K_M
Modell: Qwen3.6-35B-A3B
Konfiguration
# LLM-Benchmark Konfiguration
# Modell : Qwen3.6-35B-A3B
# Engine : llama.cpp
# Run-ID : run-20260729-105337-620afe
# 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--Qwen3.6-35B-A3B-GGUF/snapshots/a483e9e6cbd595906af30beda3187c2663a1118c/Qwen3.6-35B-A3B-UD-Q4_K_M.gguf \
--alias Qwen3.6-35B-A3B \
--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. | Qwen3.6-35B-A3B |
| 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--Qwen3.6-35B-A3B-GGUF/snapshots/a483e9e6cbd595906af30beda3187c2663a1118c/Qwen3.6-35B-A3B-UD-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 |
Anzeige
Modell-Vergleich
Qwen3.6-35B-A3B 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 1.489,1 tok/sNVIDIA GeForce RTX 5090 1.409,4 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.367,3 tok/s★ NVIDIA GeForce RTX 3090 Ti 852,0 tok/s dieser LaufNVIDIA RTX A6000 800,4 tok/sAMD Radeon PRO W7900 Dual Slot 296,2 tok/sAMD Radeon AI PRO R9700 271,4 tok/sAMD Radeon PRO W7800 48GB 235,5 tok/sTesla V100-PCIE-32GB 225,9 tok/sNVIDIA GB10 (DGX Spark) 167,1 tok/sNVIDIA GeForce RTX 5070 Ti 142,9 tok/sIntel Arc Pro B70 124,5 tok/sAMD Radeon 8060S Graphics 98,3 tok/sNVIDIA GeForce RTX 2060 4,3 tok/s
CPUnach Prozessor
AMD Ryzen 9 9950X 16-Core Processor 1.489,1 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 1.409,4 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.367,3 tok/s★ AMD Ryzen 9 8945HX with Radeon Graphics 852,0 tok/s dieser LaufAMD Ryzen 5 5600X 6-Core Processor 830,5 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 800,4 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 296,2 tok/sAMD Ryzen 3 PRO 3200GE w/ Radeon Vega Graphics 225,9 tok/sNVIDIA Grace 167,1 tok/sAMD Ryzen 9 7945HX with Radeon Graphics 124,5 tok/sAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 98,3 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 4,3 tok/s
MBnach Mainboard
ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.489,1 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.409,4 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.367,3 tok/s★ Meigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 852,0 tok/s dieser LaufASUSTeK COMPUTER INC. PRIME A520M-K 830,5 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 296,2 tok/sASUSTeK COMPUTER INC. ROG STRIX X570-F GAMING 225,9 tok/sASUSTeK COMPUTER INC. GX10 167,1 tok/sShenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series) 124,5 tok/sBosgame AXB35-02 (BeyondMax Series) 98,3 tok/sDell Inc. PowerEdge R820 4,3 tok/s
DRVnach Treiber
unbekannt 1.489,1 tok/sNVIDIA 590.48.01 / CUDA 13.1 167,1 tok/sIntel 26.18.38308.4 124,5 tok/sAMD 7.0.0-27-generic 79,4 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 übernehmenZurücksetzen
⚡ Strompreis
EUR/kWh
⚙️ System-Auslastung
100 %
🖥️ Anschaffung
EUR
🔌 Idle
50 W
⚡ TDP
477 W
☁️ Externes LLM (API)
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. Token0,047 EUR
Token / kWh6,43 Mio.
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)53,74 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
| Qwen3.6-35B-A3BNVIDIA GeForce RTX 3090 Ti | Qwen3.6-35B-A3BNVIDIA RTX PRO 6000 Blackwell Workstation Edition | Qwen3.6-35B-A3BNVIDIA GeForce RTX 5090 | Qwen3.6-35B-A3B3x 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 852 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.489 tok/sNVIDIA GeForce RTX 5090 1.409 tok/s3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.367 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.