# LLM-Benchmark Konfiguration # Modell : Mistral-Medium-3.5-128B # Engine : llama.cpp # Run-ID : run-20260806-141155-d19df9 # 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--unsloth--Mistral-Medium-3.5-128B-GGUF/snapshots/c8f5b1477e1b22cd2d819157d450f001f7047298/Q4_K_M/Mistral-Medium-3.5-128B-Q4_K_M-00001-of-00003.gguf \ --alias Mistral-Medium-3.5-128B \ --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.	Mistral-Medium-3.5-128B
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--unsloth--Mistral-Medium-3.5-128B-GGUF/snapshots/c8f5b1477e1b22cd2d819157d450f001f7047298/Q4_K_M/Mistral-Medium-3.5-128B-Q4_K_M-00001-of-00003.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

Mistral-Medium-3.5-128B 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 Workstation Edition 141,6 tok/s★ AMD Radeon AI PRO R9700 21,2 tok/s this runNVIDIA GeForce RTX 5070 Ti 4,2 tok/sNVIDIA GeForce RTX 3090 Ti 2,8 tok/sNVIDIA GeForce RTX 5090 1,9 tok/s

CPUby processor

AMD Ryzen 9 9950X 16-Core Processor 141,6 tok/s★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 21,2 tok/s this runAMD Ryzen Threadripper PRO 5975WX 32-Cores 4,2 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 2,8 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 1,9 tok/s

MBby mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 141,6 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 21,2 tok/s this runASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 4,2 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 2,8 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1,9 tok/s

ENGby engine

★ llama.cpp 141,6 tok/s this run

DRVby driver

unbekannt 141,6 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.