# LLM-Benchmark Konfiguration # Modell : Llama-3_1-Nemotron-Ultra-253B-v1 # Engine : llama.cpp # Run-ID : run-20260801-072829-56daa5 # 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 60 \ -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.	60
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

💰 Economics

Economics of this run

Operating cost, TCO and comparison with the next-best runs of the same model at identical concurrency (1× 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 70 W

⚡ TDP 644 W

☁️ External LLM (API) show

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

Electricity0.30 EUR/kWh

Avg power (incl. idle)644 W estimated (TDP)GPU 600 + CPU 29 + Board 15 W full load

Avg cost / hourEUR 0.19

Electricity / 1M tokensEUR 184.99

Token / kWh1.62K

Acquisition (system)EUR 15,248 full priceGPU EUR 13,000 · CPU EUR 649 · Board EUR 499 · RAM EUR 920 · PSU EUR 180

Electricity (2 years)–

TCO (2 years)EUR 18,632

Output tokens (2 years)18.29M

☁️ 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 (70 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-v1NVIDIA RTX PRO 6000 Blackwell 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-v13x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition
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)	–	–	–	–

NVIDIA RTX PRO 6000 Blackwell Workstation Edition · this run 0 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 9 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 9 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1 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.