# LLM-Benchmark Konfiguration # Modell : Step-3.5-Flash # Engine : llama.cpp # Run-ID : run-20260806-094440-ae0de3 # GPU : AMD Radeon AI PRO R9700 # CPU : AMD Ryzen Threadripper PRO 7955WX 16-Cores # RAM : 184 GB bench@llm-benchmark:~$ /home/godcore/llama.cpp/build/bin/llama-server \ -m /home/godcore/.cache/huggingface/hub/models--stepfun-ai--Step-3.5-Flash-GGUF-Q4_K_S/snapshots/6930492fee9ffd6f13c2e665a94244c60d2d7d83/step3p5_flash_Q4_K_S-00001-of-00012.gguf \ --alias Step-3.5-Flash \ --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.	Step-3.5-Flash
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--stepfun-ai--Step-3.5-Flash-GGUF-Q4_K_S/snapshots/6930492fee9ffd6f13c2e665a94244c60d2d7d83/step3p5_flash_Q4_K_S-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

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Step-3.5-Flash 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 Max-Q Workstation Edition 739,1 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 45,5 tok/s★ AMD Radeon AI PRO R9700 31,9 tok/s dieser LaufNVIDIA GeForce RTX 5070 Ti 30,1 tok/sNVIDIA GeForce RTX 3090 Ti 17,1 tok/sNVIDIA GeForce RTX 5090 13,8 tok/s

CPUnach Prozessor

AMD Ryzen Threadripper PRO 9965WX 24-Cores 739,1 tok/sAMD Ryzen 9 9950X 16-Core Processor 45,5 tok/s★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 31,9 tok/s dieser LaufAMD Ryzen Threadripper PRO 5975WX 32-Cores 30,1 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 17,1 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 13,8 tok/s

MBnach Mainboard

★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 739,1 tok/s dieser LaufASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 45,5 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 30,1 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 17,1 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 13,8 tok/s

ENGnach Engine

★ llama.cpp 739,1 tok/s dieser Lauf

DRVnach Treiber

unbekannt 739,1 tok/s

💰 Economics

Wirtschaftlichkeit dieses Laufs

Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (1× 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 85 W

⚡ TDP 371 W

☁️ Externes LLM (API) anzeigen

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

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)371 W geschätzt (TDP)GPU 300 + CPU 46 + Board 25 W Volllast

Ø-Kosten / Stunde0,11 EUR

Strom / 1 Mio. Token2,79 EUR

Token / kWh107,51 Tsd.

Anschaffung (System)6.824 EUR VollpreisGPU 1.400 EUR · CPU 1.399 EUR · Board 1.299 EUR · RAM 2.576 EUR · Netzteil 150 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)8.774 EUR

Output-Token (2 Jahre)698,84 Mio.

☁️ 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 (85 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

	Step-3.5-FlashAMD Radeon AI PRO R9700	Step-3.5-Flash3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	Step-3.5-Flash3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	Step-3.5-Flash3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition
Kosten Strom (24 Mon.)	–	–	–	–
Kosten Anschaffung	–	–	–	–
Kosten Gesamt (TCO)	–	–	–	–
Generierte Token (24 Mon.)	–	–	–	–
Tokenpreis bei API	–	–	–	–
Break-Even-Point (Tage)	–	–	–	–
Ergebnis (Ersparnis / Ausgabe)	–	–	–	–

AMD Radeon AI PRO R9700 · dieser Lauf 11 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 137 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 137 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 136 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

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.