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.

Generation26,57tok/s

Prefill50,22tok/s

Time to First Token276.963,50ms

Gesamtdauer1.200,00s

Concurrency10parallel

Einordnung im Feld

Diese GPU Alle GPUs

407von 464 Systemen

Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 10× parallel

Dieser Lauf ist besser als 12 % aller vergleichbaren Systeme.

Generation 26,6 tok/s

-96 % vs Ø 701,3

Prefill 50,2 tok/s

-99 % vs Ø 6.593,0

Time to First Token 276.964 ms

+544 % vs Ø 43.008

Verteilung im Feld0 – 2.491 tok/s

Ø 701 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

gemma-4-E2B-itNVIDIA GeForce RTX 5090 · run-20260728-184455-e28775

2.491,2 tok/s

gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181606-b37ed9

2.414,4 tok/s

NVIDIA-Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181607-4cca42

2.182,7 tok/s

gemma-4-E2B-it3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-184456-d87c73

2.143,6 tok/s

gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260730-035052-9c966e

1.995,4 tok/s

gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260728-140954-8007c4

1.993,5 tok/s

NVIDIA-Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-0aed86

1.937,7 tok/s

NVIDIA-Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-8db0fa

1.911,6 tok/s

NVIDIA-Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260727-181606-e0eafd

1.897,0 tok/s

gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260729-032121-7c961d

1.890,7 tok/s

NVIDIA-Nemotron-3-Nano-4BNVIDIA GeForce RTX 5090 · run-20260728-194135-2ed9dd

1.878,7 tok/s

gpt-oss-20b3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-034052-26063b

1.835,7 tok/s

NVIDIA-Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-a77046

1.830,3 tok/s

gpt-oss-20b3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-032121-c6e7e0

1.819,5 tok/s

gpt-oss-120b dieser LaufIntel Arc Pro B70 · run-20260730-035055-422523

26,6 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-20260728-140953-f26a76

1.335,9 tok/s

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260729-224611-44e81d

1.274,7 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260728-034051-d52467

1.229,7 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032120-5069d9

1.220,8 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032120-8c69d5

1.214,9 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032120-67f4b8

1.122,3 tok/s

3× AMD Radeon AI PRO R9700run-20260723-055734-5663bf

241,4 tok/s

NVIDIA GeForce RTX 3090 Tirun-20260728-034052-2683e4

85,3 tok/s

NVIDIA GeForce RTX 5070 Tirun-20260727-145956-fb4fba

60,1 tok/s

NVIDIA GeForce RTX 5090run-20260729-032121-2a5431

42,3 tok/s

Intel Arc Pro B70 dieser Laufrun-20260730-035055-422523

26,6 tok/s

Keine GPU (CPU-only)run-20260723-114453-04717f

0,1 tok/s

Hardware

GPU: Intel Arc Pro B70 · 32 GB VRAM
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: gpt-oss-120b

Konfiguration

benchmark-konfiguration — run-20260730-035055-422523

# LLM-Benchmark Konfiguration # Modell : gpt-oss-120b # Engine : llama.cpp # Run-ID : run-20260730-035055-422523 # GPU : Intel Arc Pro B70 # 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--gpt-oss-120b-GGUF/snapshots/ff1a82da6ad466e32284fa3d2b86694db3204789/Q4_K_M/gpt-oss-120b-Q4_K_M-00001-of-00002.gguf \ --alias gpt-oss-120b \ --host 0.0.0.0 \ --port 8000 \ -ngl 12 \ -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.	gpt-oss-120b
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--gpt-oss-120b-GGUF/snapshots/ff1a82da6ad466e32284fa3d2b86694db3204789/Q4_K_M/gpt-oss-120b-Q4_K_M-00001-of-00002.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.	12
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

gpt-oss-120b 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 1.335,9 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.229,7 tok/sAMD Radeon AI PRO R9700 241,4 tok/sNVIDIA GeForce RTX 3090 Ti 85,3 tok/sNVIDIA GeForce RTX 5070 Ti 60,1 tok/sNVIDIA GeForce RTX 5090 42,3 tok/s★ Intel Arc Pro B70 32,4 tok/s dieser LaufCPU-only 5,3 tok/s

CPUnach Prozessor

AMD Ryzen 9 9950X 16-Core Processor 1.335,9 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.229,7 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 241,4 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 85,3 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 60,1 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 42,3 tok/s★ AMD Ryzen 9 7945HX with Radeon Graphics 32,4 tok/s dieser LaufIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 5,3 tok/s

MBnach Mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.335,9 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.229,7 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 85,3 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 60,1 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 42,3 tok/s★ Shenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series) 32,4 tok/s dieser LaufDell Inc. PowerEdge R820 5,3 tok/s

ENGnach Engine

★ llama.cpp 1.335,9 tok/s dieser LaufvLLM 13,3 tok/s

DRVnach Treiber

unbekannt 1.335,9 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 0 W

⚡ TDP 230 W

☁️ Externes LLM (API) anzeigen

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

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)230 W geschätzt (TDP)GPU 230 W Volllast

Ø-Kosten / Stunde0,069 EUR

Strom / 1 Mio. Token0,72 EUR

Token / kWh415,88 Tsd.

Anschaffung (System)120 EUR fehltNetzteil 120 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)1.329 EUR

Output-Token (2 Jahre)1,68 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 (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

	gpt-oss-120bIntel Arc Pro B70	gpt-oss-120bNVIDIA RTX PRO 6000 Blackwell Workstation Edition	gpt-oss-120bNVIDIA RTX PRO 6000 Blackwell Workstation Edition	gpt-oss-120b3x 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)	–	–	–	–

Intel Arc Pro B70 · dieser Lauf 27 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.336 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.275 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.230 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.