# LLM-Benchmark Konfiguration # Modell : Llama-3_1-Nemotron-Ultra-253B-v1 # Engine : llama.cpp # Run-ID : run-20260801-072828-dad56e # GPU : NVIDIA RTX PRO 6000 Blackwell Workstation Edition # CPU : AMD Ryzen 9 9950X 16-Core Processor # RAM : 92 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 30 \ -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.	30
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/sNVIDIA GeForce RTX 5070 Ti 1,7 tok/s★ NVIDIA RTX PRO 6000 Blackwell Workstation Edition 1,0 tok/s this runNVIDIA GeForce RTX 5090 0,1 tok/s

CPUby processor

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

MBby mainboard

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

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.