Beigesteuert vonMario AlkaNVIDIA OpenReasoning-Nemotron-32B
Performancebenchmark · gemessen am 30.07.2026 07:31
Benchmark-ID
run-20260730-084906-58a3b5Timebench 3 - Kombi (Prefill + Generation)Dense32BRuntime: llama.cppQuantisierung: Q4_K_M
Generation254,28tok/s
Prefill4.934,87tok/s
Time to First Token6.717,00ms
Gesamtdauer79,05s
Concurrency5parallel
Einordnung im Feld
35von 49 Systemen
Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 5× parallel
Dieser Lauf ist besser als 29 % aller vergleichbaren Systeme.
Generation
254,3 tok/s
-55 % vs Ø 564,9
Prefill
4.934,9 tok/s
-28 % vs Ø 6.840,2
Time to First Token
6.717 ms
-78 % vs Ø 29.979
Verteilung im Feld2 – 1.302 tok/s
Wie schlägt sich dieser Benchmark mit anderen Modellen?
gemma-4-E2B-itNVIDIA GeForce RTX 5090 · run-20260728-184455-5b4937
1.301,9 tok/s
NVIDIA-Nemotron-3-Nano-4BNVIDIA GeForce RTX 5090 · run-20260728-194135-5432cd
1.164,8 tok/s
gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260729-032121-058a31
1.113,5 tok/s
Nemotron-3-Nano-Omni-30B-A3B-ReasoningNVIDIA GeForce RTX 5090 · run-20260729-105334-daa9ee
992,1 tok/s
NVIDIA-Nemotron-3-Nano-30B-A3BNVIDIA GeForce RTX 5090 · run-20260729-105335-a19450
990,7 tok/s
Nemotron-Cascade-2-30B-A3BNVIDIA GeForce RTX 5090 · run-20260729-105335-0bddc4
986,1 tok/s
Laguna-XS-2.1NVIDIA GeForce RTX 5090 · run-20260729-032123-7b377c
972,0 tok/s
Laguna-XS-2.1NVIDIA GeForce RTX 5090 · run-20260729-032122-3f4bf6
965,7 tok/s
Laguna-XS-2.1NVIDIA GeForce RTX 5090 · run-20260729-032122-40e750
959,9 tok/s
Qwen3-Coder-30B-A3B-InstructNVIDIA GeForce RTX 5090 · run-20260729-105335-2a979a
946,7 tok/s
Qwen3-30B-A3B-Thinking-2507NVIDIA GeForce RTX 5090 · run-20260729-105335-68b2c1
935,4 tok/s
Qwen3-30B-A3B-Instruct-2507NVIDIA GeForce RTX 5090 · run-20260729-105335-2d74e4
931,7 tok/s
Qwen3-Omni-30B-A3B-ThinkingNVIDIA GeForce RTX 5090 · run-20260729-105335-e7e615
930,3 tok/s
Mamba-Codestral-7B-v0.1NVIDIA GeForce RTX 5090 · run-20260729-060802-094e32
929,5 tok/s
OpenReasoning-Nemotron-32B dieser LaufNVIDIA GeForce RTX 5090 · run-20260730-084906-58a3b5
254,3 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-20260729-032126-3d3140
255,5 tok/s
NVIDIA GeForce RTX 5090 dieser Laufrun-20260730-084906-58a3b5
254,3 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260730-084907-e05911
219,6 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260730-084907-83a865
217,5 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260730-084906-062423
182,0 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260729-105332-a8f910
127,7 tok/s
3× AMD Radeon AI PRO R9700run-20260723-045447-60e90e
56,3 tok/s
NVIDIA GeForce RTX 5070 Tirun-20260729-032131-342ca1
25,8 tok/s
AMD Radeon 8060S Graphicsrun-20260723-142108-25403e
21,1 tok/s
Hardware
GPU: NVIDIA GeForce RTX 5090 · 32 GB VRAM
CPU: AMD Ryzen 7 5800X3D 8-Core Processor
RAM: 126 GB
Mainboard: ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING
Setup
Runtime: llama.cpp
Quantisierung: Q4_K_M
Modell: OpenReasoning-Nemotron-32B
Konfiguration
# LLM-Benchmark Konfiguration
# Modell : OpenReasoning-Nemotron-32B
# Engine : llama.cpp
# Run-ID : run-20260730-084906-58a3b5
# GPU : NVIDIA GeForce RTX 5090
# CPU : AMD Ryzen 7 5800X3D 8-Core Processor
# RAM : 126 GB
bench@llm-benchmark:~$ /root/llama.cpp/build/bin/llama-server \
-m /root/.cache/huggingface/hub/models--gabriellarson--OpenReasoning-Nemotron-32B-GGUF/snapshots/56ebd68caf9cf4b656f46e5aad225420dd6b71d4/OpenReasoning-Nemotron-32B-Q4_K_M.gguf \
--alias OpenReasoning-Nemotron-32B \
--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. | OpenReasoning-Nemotron-32B |
| 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--gabriellarson--OpenReasoning-Nemotron-32B-GGUF/snapshots/56ebd68caf9cf4b656f46e5aad225420dd6b71d4/OpenReasoning-Nemotron-32B-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
OpenReasoning-Nemotron-32B 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 481,0 tok/s dieser LaufNVIDIA RTX PRO 6000 Blackwell Workstation Edition 480,0 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 411,7 tok/sNVIDIA GeForce RTX 3090 Ti 236,8 tok/sAMD Radeon AI PRO R9700 64,3 tok/sNVIDIA GeForce RTX 5070 Ti 49,9 tok/sAMD Radeon 8060S Graphics 21,1 tok/sCPU-only 1,1 tok/s
CPUnach Prozessor
★ AMD Ryzen 7 5800X3D 8-Core Processor 481,0 tok/s dieser LaufAMD Ryzen 9 9950X 16-Core Processor 480,0 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 411,7 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 236,8 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 64,3 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 49,9 tok/sAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 21,1 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 1,1 tok/s
MBnach Mainboard
★ ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 481,0 tok/s dieser LaufASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 480,0 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 411,7 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 236,8 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 49,9 tok/sBosgame AXB35-02 (BeyondMax Series) 21,1 tok/sDell Inc. PowerEdge R820 1,1 tok/s
DRVnach Treiber
unbekannt 481,0 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 übernehmenZurücksetzen
⚡ Strompreis
EUR/kWh
⚙️ System-Auslastung
100 %
🖥️ Anschaffung
EUR
🔌 Idle
72 W
⚡ TDP
622 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)622 W geschätzt (TDP)GPU 575 + CPU 35 + Board 12 W Volllast
Ø-Kosten / Stunde0,19 EUR
Strom / 1 Mio. Token0,20 EUR
Token / kWh1,47 Mio.
Anschaffung (System)4.986 EUR VollpreisGPU 3.300 EUR · CPU 349 EUR · Board 149 EUR · RAM 1.008 EUR · Netzteil 180 EUR
Stromkosten (2 Jahre)–
TCO (2 Jahre)8.253 EUR
Output-Token (2 Jahre)16,04 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 (72 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
| OpenReasoning-Nemotron-32BNVIDIA GeForce RTX 5090 | OpenReasoning-Nemotron-32BNVIDIA RTX PRO 6000 Blackwell Workstation Edition | OpenReasoning-Nemotron-32B3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition | OpenReasoning-Nemotron-32B3x 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 5090 · dieser Lauf 254 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 256 tok/s3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 220 tok/s3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 218 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.