# LLM-Benchmark Konfiguration # Modell : gpt-oss-20b # Engine : vLLM # Run-ID : run-20260804-052134-dbd323 # GPU : NVIDIA GeForce RTX 3090 Ti # CPU : AMD Ryzen 5 5600X 6-Core Processor # RAM : 30 GB bench@llm-benchmark:~$ /opt/vllm-gemma/venv/bin/python /opt/vllm-gemma/venv/bin/vllm serve openai/gpt-oss-20b \ --served-model-name gpt-oss-20b \ --host 192.168.41.116 \ --port 8000 \ --max-model-len 8192 \ --gpu-memory-utilization 0.95 \ --enforce-eager

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.	vllm
Modellalias?Der Name, unter dem das Modell ueber die API angesprochen wird. Genau dieser Wert muss im Request-Feld 'model' stehen.	gpt-oss-20b
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	8192
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.	gpt-oss-20b
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	8192
GPU-Speicher?Anteil des GPU-Speichers (0 bis 1), den vLLM belegen darf. 0.92 = 92 %. Hoeher = mehr Platz fuer den KV-Cache (mehr/laengere parallele Anfragen), aber groesseres Risiko fuer 'Out of Memory'.	0.95
Enforce-Eager?Schaltet die optimierte Graph-Ausfuehrung (CUDA-/HIP-Graphs) AB und rechnet Schritt fuer Schritt. Startet schneller und spart etwas VRAM, ist im laufenden Betrieb aber meist langsamer als mit Graphs.	aktiv

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

gpt-oss-20b 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 RTX PRO 6000 Blackwell Workstation Edition 1.995,4 tok/sNVIDIA GeForce RTX 5090 1.890,7 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.835,7 tok/sNVIDIA GeForce RTX 5070 Ti 1.210,3 tok/s★ NVIDIA GeForce RTX 3090 Ti 1.113,5 tok/s dieser LaufAMD Radeon AI PRO R9700 340,5 tok/sAMD Radeon 8060S Graphics 173,3 tok/sCPU-only 14,5 tok/s

CPUnach Prozessor

AMD Ryzen 9 9950X 16-Core Processor 1.995,4 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 1.890,7 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.835,7 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 1.210,3 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 1.113,5 tok/s★ AMD Ryzen 5 5600X 6-Core Processor 572,1 tok/s dieser LaufAMD Ryzen Threadripper PRO 7955WX 16-Cores 340,5 tok/sAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 173,3 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 14,5 tok/s

MBnach Mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.995,4 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.890,7 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.835,7 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 1.210,3 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 1.113,5 tok/s★ ASUSTeK COMPUTER INC. PRIME A520M-K 572,1 tok/s dieser LaufBosgame AXB35-02 (BeyondMax Series) 173,3 tok/sDell Inc. PowerEdge R820 14,5 tok/s

ENGnach Engine

llama.cpp 1.995,4 tok/s★ vLLM 1.443,9 tok/s dieser Lauf

DRVnach Treiber

unbekannt 1.995,4 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 übernehmen Zurücksetzen

⚡ Strompreis EUR/kWh

⚙️ System-Auslastung 100 %

🖥️ Anschaffung EUR

🔌 Idle 25 W

⚡ TDP 450 W

☁️ Externes LLM (API) anzeigen

Input €/1M Output €/1M Input je Output-Token

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)450 W geschätzt (TDP)GPU 450 W Volllast

Ø-Kosten / Stunde0,14 EUR

Strom / 1 Mio. Token0,12 EUR

Token / kWh2,45 Mio.

Anschaffung (System)1.149 EUR TeilpreisGPU 999 EUR · Netzteil 150 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)3.514 EUR

Output-Token (2 Jahre)19,35 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 (25 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

	gpt-oss-20bNVIDIA GeForce RTX 3090 Ti	gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition	gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition	gpt-oss-20bNVIDIA GeForce RTX 5090
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 3090 Ti · dieser Lauf 307 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.136 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.135 tok/s NVIDIA GeForce RTX 5090 1.114 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

Marcel Sommer

@marcelsommer