Beigesteuert vonMario AlkaGoogle gemma-4-E2B-it
Performancebenchmark · gemessen am 29.07.2026 21:49
Benchmark-ID
run-20260729-224611-fd132dTimebench 3 - Kombi (Prefill + Generation)Dense5BRuntime: llama.cppQuantisierung: Q4_K_M
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.
Generation461,54tok/s
Prefill5.838,37tok/s
Time to First Token3.794,50ms
Gesamtdauer44,75s
Concurrency5parallel
Einordnung im Feld
2von 6 Systemen
Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 5× parallel
Dieser Lauf ist besser als 80 % aller vergleichbaren Systeme.
Generation
461,5 tok/s
+71 % vs Ø 269,4
Prefill
5.838,4 tok/s
+16 % vs Ø 5.013,5
Time to First Token
3.795 ms
-38 % vs Ø 6.118
Verteilung im Feld78 – 479 tok/s
Wie schlägt sich dieser Benchmark mit anderen Modellen?
gemma-4-E2B-it gleiches ModellNVIDIA GB10 · run-20260729-224610-d54f79
478,6 tok/s
gemma-4-E2B-it dieser LaufNVIDIA GB10 · run-20260729-224611-fd132d
461,5 tok/s
gemma-4-E4B-itNVIDIA GB10 · run-20260729-224611-1ec61a
246,7 tok/s
gemma-4-E4B-itNVIDIA GB10 · run-20260729-224611-f3c242
245,6 tok/s
MiniMax-M2.7NVIDIA GB10 · run-20260723-055735-105350
106,1 tok/s
MiniMax-M2.5NVIDIA GB10 · run-20260726-091400-7d7441
77,7 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 GB10 dieser Laufrun-20260729-224611-fd132d
461,5 tok/s
2× AMD Radeon Graphicsrun-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: NVIDIA GB10 · 128 GB VRAM
CPU: NVIDIA Grace
RAM: 120 GB
Mainboard: ASUSTeK COMPUTER INC. GX10
Setup
Runtime: llama.cpp
Quantisierung: Q4_K_M
Treiber: NVIDIA 590.48.01 / CUDA 13.1
Modell: gemma-4-E2B-it
Konfiguration
# LLM-Benchmark Konfiguration
# Modell : gemma-4-E2B-it
# Engine : llama.cpp
# Run-ID : run-20260729-224611-fd132d
# GPU : NVIDIA GB10
# CPU : NVIDIA Grace
# RAM : 120 GB
bench@llm-benchmark:~$ /home/godcore/llama.cpp/build/bin/llama-server \
-m /home/godcore/.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. | /home/godcore/.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 |
Anzeige
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/s★ NVIDIA GB10 (DGX Spark) 903,3 tok/s dieser LaufAMD Radeon Graphics 826,2 tok/s
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/s★ NVIDIA Grace 903,3 tok/s dieser LaufAMD Ryzen 9 7945HX with Radeon Graphics 826,2 tok/s
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/s★ ASUSTeK COMPUTER INC. GX10 903,3 tok/s dieser LaufShenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series) 826,2 tok/s
DRVnach Treiber
unbekannt 2.491,2 tok/s★ NVIDIA 590.48.01 / CUDA 13.1 903,3 tok/s dieser Lauf
💰 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 übernehmenZurücksetzen
⚡ Strompreis
EUR/kWh
⚙️ System-Auslastung
100 %
🖥️ Anschaffung
EUR
🔌 Idle
15 W
⚡ TDP
140 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)140 W geschätzt (TDP)GPU 140 W Volllast
Ø-Kosten / Stunde0,042 EUR
Strom / 1 Mio. Token0,025 EUR
Token / kWh11,87 Mio.
Anschaffung (System)5.800 EUR TeilpreisGPU 4.000 EUR · RAM 1.680 EUR · Netzteil 120 EUR
Stromkosten (2 Jahre)–
TCO (2 Jahre)6.536 EUR
Output-Token (2 Jahre)29,11 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 (15 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-itNVIDIA GB10 (DGX Spark) | 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) | – | – | – | – |
NVIDIA GB10 (DGX Spark) · dieser Lauf 462 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.349 tok/sNVIDIA GeForce RTX 5090 1.302 tok/s3× 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.