ℹ

Zur Einordnung: Diese Plattform nutzt Unified Memory – die "VRAM" ist gemeinsamer System-RAM (APU/Superchip); das Modell teilt sich den Speicher mit dem System.

Generation436,25tok/s

Prefill3.526,35tok/s

Time to First Token5.370,00ms

Gesamtdauer48,03s

Concurrency5parallel

Einordnung im Feld

Diese GPU Alle GPUs

179von 440 Systemen

Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 5× parallel

Dieser Lauf ist besser als 59 % aller vergleichbaren Systeme.

Generation 436,3 tok/s

+9 % vs Ø 401,8

Prefill 3.526,4 tok/s

-38 % vs Ø 5.729,3

Time to First Token 5.370 ms

-76 % vs Ø 22.050

Verteilung im Feld0 – 1.349 tok/s

Ø 401 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

gemma-4-E2B-it gleiches ModellNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181606-0adf6d

1.349,3 tok/s

gemma-4-E2B-it gleiches ModellNVIDIA GeForce RTX 5090 · run-20260728-184455-5b4937

1.301,9 tok/s

gemma-4-E2B-it gleiches Modell3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-184456-4111a9

1.195,7 tok/s

NVIDIA-Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181607-30d864

1.188,7 tok/s

NVIDIA-Nemotron-3-Nano-4BNVIDIA GeForce RTX 5090 · run-20260728-194135-5432cd

1.164,8 tok/s

gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260728-140954-9e81f9

1.136,3 tok/s

gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260729-032121-058a31

1.113,5 tok/s

NVIDIA-Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-836a91

1.090,6 tok/s

NVIDIA-Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260727-181606-8b381e

1.077,4 tok/s

NVIDIA-Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-b8a818

1.071,0 tok/s

NVIDIA-Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-038e92

1.051,1 tok/s

gpt-oss-20b3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-032121-ffb18a

1.015,5 tok/s

NVIDIA-Nemotron-3-Nano-30B-A3BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260729-032121-305ad6

1.007,8 tok/s

Nemotron-Cascade-2-30B-A3BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260729-032120-4b8514

1.007,3 tok/s

gemma-4-E2B-it dieser Lauf2× AMD Radeon Graphics · run-20260729-224611-5817c5

436,3 tok/s

Wie schlägt sich dieser Benchmark mit anderen GPUs?

Dasselbe Modell auf anderer Hardware · 5× parallel · Generation (tok/s)

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260727-181606-0adf6d

1.349,3 tok/s

NVIDIA GeForce RTX 5090run-20260728-184455-5b4937

1.301,9 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260728-184456-4111a9

1.195,7 tok/s

NVIDIA GeForce RTX 5070 Tirun-20260727-032758-a7d32d

973,5 tok/s

NVIDIA GeForce RTX 5070 Tirun-20260727-090152-b472f0

971,4 tok/s

NVIDIA GeForce RTX 5070 Tirun-20260728-140953-67115b

969,6 tok/s

NVIDIA GeForce RTX 3090 Tirun-20260727-142111-0dd411

827,3 tok/s

NVIDIA GB10run-20260729-224610-d54f79

478,6 tok/s

NVIDIA GB10run-20260729-224611-fd132d

461,5 tok/s

2× AMD Radeon Graphics dieser Laufrun-20260729-224611-5817c5

436,3 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260727-155936-966bd8

156,1 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260728-184456-617786

153,6 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260728-184456-0683d8

144,4 tok/s

Hardware

GPU: 2x AMD Radeon Graphics
CPU: AMD Ryzen 9 7945HX with Radeon Graphics
RAM: 29 GB
Mainboard: Shenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series)

Setup

Runtime: llama.cpp
Quantisierung: Q4_K_M
Modell: gemma-4-E2B-it

Konfiguration

benchmark-konfiguration — run-20260729-224611-5817c5

# LLM-Benchmark Konfiguration # Modell : gemma-4-E2B-it # Engine : llama.cpp # Run-ID : run-20260729-224611-5817c5 # GPU : 2x AMD Radeon Graphics # CPU : AMD Ryzen 9 7945HX with Radeon Graphics # RAM : 29 GB bench@llm-benchmark:~$ /root/llama.cpp/build/bin/llama-server \ -m /root/.cache/huggingface/hub/models--unsloth--gemma-4-E2B-it-GGUF/snapshots/0314792d7f1f7e229411f620751375812bb9faf2/gemma-4-E2B-it-Q4_K_M.gguf \ --alias gemma-4-E2B-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-E2B-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-E2B-it-GGUF/snapshots/0314792d7f1f7e229411f620751375812bb9faf2/gemma-4-E2B-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

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

gemma-4-E2B-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 GeForce RTX 5090 2.491,2 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 2.414,4 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 2.143,6 tok/sNVIDIA GeForce RTX 5070 Ti 1.744,0 tok/sNVIDIA GeForce RTX 3090 Ti 1.492,8 tok/sNVIDIA GB10 (DGX Spark) 903,3 tok/s★ AMD Radeon Graphics 826,2 tok/s dieser Lauf

CPUnach Prozessor

AMD Ryzen 7 5800X3D 8-Core Processor 2.491,2 tok/sAMD Ryzen 9 9950X 16-Core Processor 2.414,4 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 2.143,6 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 1.744,0 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 1.492,8 tok/sNVIDIA Grace 903,3 tok/s★ AMD Ryzen 9 7945HX with Radeon Graphics 826,2 tok/s dieser Lauf

MBnach Mainboard

ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 2.491,2 tok/sASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 2.414,4 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 2.143,6 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 1.744,0 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 1.492,8 tok/sASUSTeK COMPUTER INC. GX10 903,3 tok/s★ Shenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series) 826,2 tok/s dieser Lauf

ENGnach Engine

★ llama.cpp 2.491,2 tok/s dieser LaufvLLM 1.608,5 tok/s

DRVnach Treiber

unbekannt 2.491,2 tok/sNVIDIA 590.48.01 / CUDA 13.1 903,3 tok/s

💰 Economics

Wirtschaftlichkeit dieses Laufs

Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (5× 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 %

🔌 Idle 0 W

⚡ TDP 10 W

☁️ Externes LLM (API) anzeigen

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

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)0 W fehlt

Ø-Kosten / Stunde–

Strom / 1 Mio. Token–

Token / kWh–

Anschaffung (System)– fehlt

Stromkosten (2 Jahre)–

TCO (2 Jahre)–

Output-Token (2 Jahre)27,52 Mrd.

☁️ Externes LLM (API) – Vergleich

Externe LLM-Kosten (2 Jahre)–

Ersparnis vs. extern (2 Jahre)–

Keine Leistungsaufnahme gemessen – Werte geschätzt aus GPU-TDP + CPU (Idle + 15 %) + Board.

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 (0 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-E2B-it2x AMD Radeon Graphics	gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition	gemma-4-E2B-itNVIDIA GeForce RTX 5090	gemma-4-E2B-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)	–	–	–	–

2× AMD Radeon Graphics · dieser Lauf 436 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.349 tok/s NVIDIA GeForce RTX 5090 1.302 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.196 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.