Beigesteuert vonMario AlkaQwen (Alibaba) Qwen3.6-35B-A3B
Performancebenchmark · gemessen am 09.08.2026 18:37
Benchmark-ID
run-20260810-034337-51412fTimebench 3 - Kombi (Prefill + Generation)MoE35BRuntime: llama.cpp batched-bench SYCLQuantisierung: UD-Q4_K_M
ℹ
Zur Einordnung: Diese Plattform nutzt Unified Memory – die "VRAM" ist gemeinsamer System-RAM (APU/Superchip); das Modell teilt sich den Speicher mit dem System.
Generation124,52tok/s
Prefill1.095,77tok/s
Time to First Token2.336,00ms
Gesamtdauer0,00s
Concurrency5parallel
Einordnung im Feld
425von 841 Systemen
Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 5× parallel
Dieser Lauf ist besser als 50 % aller vergleichbaren Systeme.
Generation
124,5 tok/s
-55 % vs Ø 274,3
Prefill
1.095,8 tok/s
-72 % vs Ø 3.891,1
Time to First Token
2.336 ms
-94 % vs Ø 41.842
Verteilung im Feld0 – 1.349 tok/s
Wie schlägt sich dieser Benchmark mit anderen Modellen?
gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181606-0adf6d
1.349,3 tok/s
gemma-4-E2B-itNVIDIA GeForce RTX 5090 · run-20260728-184455-5b4937
1.301,9 tok/s
gemma-4-E2B-it3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-184456-4111a9
1.195,7 tok/s
Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181607-30d864
1.188,7 tok/s
Nemotron-3-Nano-4BNVIDIA GeForce RTX 5090 · run-20260728-194135-5432cd
1.164,8 tok/s
gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260728-140954-9e81f9
1.136,3 tok/s
gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260730-035052-09627f
1.135,0 tok/s
gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260729-032121-058a31
1.113,5 tok/s
Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-836a91
1.090,6 tok/s
Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260727-181606-8b381e
1.077,4 tok/s
Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-b8a818
1.071,0 tok/s
Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-038e92
1.051,1 tok/s
gpt-oss-20b3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-032121-ffb18a
1.015,5 tok/s
Nemotron-3-Nano-30B-A3BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260729-032121-305ad6
1.007,8 tok/s
Qwen3.6-35B-A3B dieser LaufIntel Arc Pro B70 · run-20260810-034337-51412f
124,5 tok/s
Wie schlägt sich dieser Benchmark mit anderen GPUs?
Dasselbe Modell auf anderer Hardware · 5× parallel · Generation (tok/s)
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260729-032129-e6d323
812,6 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260731-071556-93a59c
745,0 tok/s
NVIDIA GeForce RTX 5090run-20260731-071557-28b20e
744,6 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260731-071555-fe8883
716,7 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260731-071555-191108
654,4 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260724-083000-a4b89b
596,5 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260729-105337-539e80
472,3 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260804-052131-18f8d1
467,1 tok/s
4× AMD Radeon AI PRO R9700run-20260810-033719-08f815
232,5 tok/s
4× AMD Radeon AI PRO R9700run-20260810-033720-874613
226,4 tok/s
2× AMD Radeon PRO W7900 Dual Slotrun-20260819-192110-ec3e76
201,4 tok/s
2× AMD Radeon PRO W7900 Dual Slotrun-20260818-122245-6f6470
195,9 tok/s
2× AMD Radeon PRO W7900 Dual Slotrun-20260818-130724-4af58d
194,6 tok/s
4× AMD Radeon AI PRO R9700run-20260817-120413-43f375
186,3 tok/s
Hardware
GPU: Intel Arc Pro B70 · 32 GB VRAM
CPU: AMD Ryzen 9 7945HX with Radeon Graphics
RAM: 61 GB
Mainboard: Shenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series)
Setup
Runtime: llama.cpp batched-bench SYCL
Quantisierung: UD-Q4_K_M
Treiber: Intel 26.18.38308.4
Modell: Qwen3.6-35B-A3B
Anmerkung
llama-batched-bench, 1x Intel Arc Pro B70, npl=5 (pp512/tg128), ngl=99 (voll GPU)
Konfiguration
# LLM-Benchmark Konfiguration
# Modell : Qwen3.6-35B-A3B
# Engine : llama.cpp
# Run-ID : run-20260810-034337-51412f
# GPU : Intel Arc Pro B70
# CPU : AMD Ryzen 9 7945HX with Radeon Graphics
# RAM : 61 GB
bench@llm-benchmark:~$ llama-batched-bench (llama.cpp SYCL) \
--model /root/models/Qwen3.6-35B-A3B-UD-Q4_K_M.gguf \
-ngl 99 \
-c 8192 \
-b 2048 \
-ub 512 \
-npp 512 \
-ntg 128 \
-npl 5 \
ONEAPI_DEVICE_SELECTOR level_zero:0
| 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. | llama-batched-bench (llama.cpp SYCL) |
| Modellalias?Der Name, unter dem das Modell ueber die API angesprochen wird. Genau dieser Wert muss im Request-Feld 'model' stehen. | Qwen3.6-35B-A3B |
| Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann. | 8192 |
| Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird. | /root/models/Qwen3.6-35B-A3B-UD-Q4_K_M.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. | 99 |
| Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells. | 8192 |
| Batch-Groesse?Logische Batchgroesse fuer die Prompt-Verarbeitung (Anzahl Token pro Prefill-Durchlauf). | 2048 |
| Micro-Batch?Physische Micro-Batchgroesse. Begrenzt, wie viele Token gleichzeitig durch die Compute-Pipeline laufen. | 512 |
| npp | 512 |
| ntg | 128 |
| npl | 5 |
| ONEAPI_DEVICE_SELECTOR | level_zero:0 |
Anzeige
Modell-Vergleich
Qwen3.6-35B-A3B 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 1.489,1 tok/sNVIDIA GeForce RTX 5090 1.409,4 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.367,3 tok/sNVIDIA GeForce RTX 3090 Ti 852,0 tok/sAMD Radeon PRO W7900 Dual Slot 296,2 tok/sAMD Radeon AI PRO R9700 271,4 tok/sNVIDIA GB10 (DGX Spark) 167,1 tok/sNVIDIA GeForce RTX 5070 Ti 142,9 tok/s★ Intel Arc Pro B70 124,5 tok/s dieser LaufAMD Radeon 8060S Graphics 98,3 tok/sCPU-only 4,3 tok/s
CPUnach Prozessor
AMD Ryzen 9 9950X 16-Core Processor 1.489,1 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 1.409,4 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.367,3 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 852,0 tok/sAMD Ryzen 5 5600X 6-Core Processor 830,5 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 296,2 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 271,4 tok/sNVIDIA Grace 167,1 tok/s★ AMD Ryzen 9 7945HX with Radeon Graphics 124,5 tok/s dieser LaufAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 98,3 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 4,3 tok/s
MBnach Mainboard
ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.489,1 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.409,4 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.367,3 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 852,0 tok/sASUSTeK COMPUTER INC. PRIME A520M-K 830,5 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 296,2 tok/sASUSTeK COMPUTER INC. GX10 167,1 tok/s★ Shenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series) 124,5 tok/s dieser LaufBosgame AXB35-02 (BeyondMax Series) 98,3 tok/sDell Inc. PowerEdge R820 4,3 tok/s
DRVnach Treiber
unbekannt 1.489,1 tok/sNVIDIA 590.48.01 / CUDA 13.1 167,1 tok/s★ Intel 26.18.38308.4 124,5 tok/s dieser LaufAMD 7.0.0-27-generic 79,4 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 übernehmenZurücksetzen
⚡ Strompreis
EUR/kWh
⚙️ System-Auslastung
100 %
🖥️ Anschaffung
EUR
🔌 Idle
0 W
⚡ TDP
230 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)230 W geschätzt (TDP)GPU 230 W Volllast
Ø-Kosten / Stunde0,069 EUR
Strom / 1 Mio. Token0,15 EUR
Token / kWh1,95 Mio.
Anschaffung (System)120 EUR fehltNetzteil 120 EUR
Stromkosten (2 Jahre)–
TCO (2 Jahre)1.329 EUR
Output-Token (2 Jahre)7,85 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 (0 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
| Qwen3.6-35B-A3BIntel Arc Pro B70 | Qwen3.6-35B-A3BNVIDIA RTX PRO 6000 Blackwell Workstation Edition | Qwen3.6-35B-A3B3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition | Qwen3.6-35B-A3BNVIDIA 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) | – | – | – | – |
Intel Arc Pro B70 · dieser Lauf 125 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 813 tok/s3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 745 tok/sNVIDIA GeForce RTX 5090 745 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.