# LLM-Benchmark Konfiguration # Modell : Llama-3_1-Nemotron-Ultra-253B-v1 # Engine : llama.cpp # Run-ID : run-20260801-072826-fc5022 # GPU : 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition # CPU : AMD Ryzen Threadripper PRO 9965WX 24-Cores # RAM : 125 GB bench@llm-benchmark:~$ /home/godcore/llama.cpp/build/bin/llama-server \ -m /home/godcore/.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 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.	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.	/home/godcore/.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.	999
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 RTX PRO 6000 Blackwell Max-Q Workstation Edition 62,1 tok/s this runNVIDIA GeForce RTX 5070 Ti 1,7 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 1,0 tok/sNVIDIA GeForce RTX 5090 0,1 tok/s

CPUby processor

★ AMD Ryzen Threadripper PRO 9965WX 24-Cores 62,1 tok/s this runAMD Ryzen Threadripper PRO 5975WX 32-Cores 1,7 tok/sAMD Ryzen 9 9950X 16-Core Processor 1,0 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 0,1 tok/s

MBby mainboard

★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 62,1 tok/s this runASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 1,7 tok/sASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1,0 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 0,1 tok/s

ENGby engine

★ llama.cpp 62,1 tok/s this run

DRVby driver

unbekannt 62,1 tok/s

💰 Economics

Economics of this run

Operating cost, TCO and comparison with the next-best runs of the same model at identical concurrency (5× concurrent). Methodology →

⚙️ ConfigurationAll metrics and charts below follow these settings – based on a 24-month runtime.Save to URL Reset

⚡ Electricity price EUR/kWh

⚙️ System utilization 100 %

🖥️ Acquisition EUR

🔌 Idle 165 W

⚡ TDP 983 W

☁️ External LLM (API) show

Input €/1M Output €/1M Input per output token

Electricity0.30 EUR/kWh

Avg power (incl. idle)983 W estimated (TDP)GPU 900 + CPU 57 + Board 25 W full load

Avg cost / hourEUR 0.29

Electricity / 1M tokensEUR 2.59

Token / kWh115.90K

Acquisition (system)EUR 45,748 full priceGPU EUR 39,000 · CPU EUR 3,499 · Board EUR 1,299 · RAM EUR 1,750 · PSU EUR 200

Electricity (2 years)–

TCO (2 years)EUR 50,912

Output tokens (2 years)1.99B

☁️ External LLM (API) – comparison

External LLM cost (2 years)–

Savings vs. external (2 years)–

All values above and the charts below take the configured system utilization into account: at X% the system generates only X% of the time, the rest it idles (165 W). Cost per hour drops (more idle), cost per token rises.

Cost over 2 years – electricity only

Cost over 2 years – incl. acquisition (TCO)

Speed vs. tokens per euro

Euro per 1M tokens

Comparison vs. API – economics per benchmark

	Llama-3_1-Nemotron-Ultra-253B-v13x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	Llama-3_1-Nemotron-Ultra-253B-v13x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	Llama-3_1-Nemotron-Ultra-253B-v13x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	Llama-3_1-Nemotron-Ultra-253B-v1NVIDIA GeForce RTX 5070 Ti
Electricity cost (24 mo.)	–	–	–	–
Acquisition cost	–	–	–	–
Total cost (TCO)	–	–	–	–
Generated tokens (24 mo.)	–	–	–	–
Token price via API	–	–	–	–
Break-even point (days)	–	–	–	–
Result (savings / extra cost)	–	–	–	–

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · this run 32 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 32 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 3 tok/s NVIDIA GeForce RTX 5070 Ti 2 tok/s

Comparison with up to 3 next-best runs of this model at the same concurrency (at least one on different hardware). Power = GPU TDP + CPU (idle + 15 %) + board (estimated), acquisition = full system (GPU + CPU + board + RAM + PSU), prices = stored market prices.

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.