# LLM-Benchmark Konfiguration # Modell : Llama-3_1-Nemotron-Ultra-253B-v1 # Engine : llama.cpp # Run-ID : run-20260731-083539-bf7e55 # 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--DevQuasar--nvidia.Llama-3_1-Nemotron-Ultra-253B-v1-GGUF/snapshots/fa034db97ae9c144e5d5a8fd8fc4fefdd363b8db/nvidia.Llama-3_1-Nemotron-Ultra-253B-v1.Q4_K_M-00001-of-00012.gguf \ --alias Llama-3_1-Nemotron-Ultra-253B-v1 \ --host 0.0.0.0 \ --port 8000 \ -ngl 0 \ -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.	Llama-3_1-Nemotron-Ultra-253B-v1
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--DevQuasar--nvidia.Llama-3_1-Nemotron-Ultra-253B-v1-GGUF/snapshots/fa034db97ae9c144e5d5a8fd8fc4fefdd363b8db/nvidia.Llama-3_1-Nemotron-Ultra-253B-v1.Q4_K_M-00001-of-00012.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.	0
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	16384
np	4

All benchmarks of this model To leaderboard

Model comparison

Llama-3_1-Nemotron-Ultra-253B-v1 on various hardware

All published performance runs of this model – each bubble a variant: position = prefill (X) × generation (Y), bubble size = number of runs. Closer to the top right = faster. ★ Marked gold = this benchmark.

GPUby graphics card

NVIDIA GeForce RTX 5070 Ti 1,7 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 0,9 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 0,9 tok/s★ NVIDIA GeForce RTX 5090 0,1 tok/s this run

CPUby processor

AMD Ryzen Threadripper PRO 5975WX 32-Cores 1,7 tok/sAMD Ryzen 9 9950X 16-Core Processor 0,9 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 0,9 tok/s★ AMD Ryzen 7 5800X3D 8-Core Processor 0,1 tok/s this run

MBby mainboard

ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 1,7 tok/sASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 0,9 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 0,9 tok/s★ ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 0,1 tok/s this run

ENGby engine

★ llama.cpp 1,7 tok/s this run

DRVby driver

unbekannt 1,7 tok/s

Contributed by

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.