llama-batched-bench, 4x AMD Radeon AI PRO R9700 [4 verbaut, 4 genutzt], voll GPU (kein RAM-Offload), GPU-Nutzung verifiziert, npl=5 (pp512/tg128), ngl=99

Konfiguration

benchmark-konfiguration — run-20260813-073605-dff616

# LLM-Benchmark Konfiguration # Modell : Nemotron-3-Super-120B-A12B # Engine : llama.cpp # Run-ID : run-20260813-073605-dff616 # GPU : 4x AMD Radeon AI PRO R9700 # CPU : AMD Ryzen Threadripper PRO 7955WX 16-Cores # RAM : 184 GB bench@llm-benchmark:~$ llama-batched-bench (llama.cpp ROCm) \ --model /home/godcore/.cache/huggingface/hub/models--DevQuasar--nvidia.NVIDIA-Nemotron-3-Super-120B-A12B-BF16-GGUF/snapshots/fe70b8fa41864e382a726d44b138588c124d7337/nvidia.NVIDIA-Nemotron-3-Super-120B-A12B-BF16.Q4_K_M-00001-of-00006.gguf \ -ngl 99 \ -c 8192 \ -b 2048 \ -ub 512 \ -npp 512 \ -ntg 128 \ -npl 5 \ HIP_VISIBLE_DEVICES 0,1,2,3

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 ROCm)
Modellalias?Der Name, unter dem das Modell ueber die API angesprochen wird. Genau dieser Wert muss im Request-Feld 'model' stehen.	NVIDIA-Nemotron-3-Super-120B-A12B
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.	/home/godcore/.cache/huggingface/hub/models--DevQuasar--nvidia.NVIDIA-Nemotron-3-Super-120B-A12B-BF16-GGUF/snapshots/fe70b8fa41864e382a726d44b138588c124d7337/nvidia.NVIDIA-Nemotron-3-Super-120B-A12B-BF16.Q4_K_M-00001-of-00006.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
HIP_VISIBLE_DEVICES	0,1,2,3

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Nemotron-3-Super-120B-A12B 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 600,9 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 423,4 tok/s★ AMD Radeon AI PRO R9700 80,5 tok/s dieser LaufNVIDIA GeForce RTX 5070 Ti 32,6 tok/sNVIDIA GeForce RTX 3090 Ti 18,9 tok/sNVIDIA GB10 (DGX Spark) 11,4 tok/sNVIDIA GeForce RTX 5090 5,5 tok/s

CPUnach Prozessor

AMD Ryzen 9 9950X 16-Core Processor 600,9 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 423,4 tok/s★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 80,5 tok/s dieser LaufAMD Ryzen Threadripper PRO 5975WX 32-Cores 32,6 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 18,9 tok/sNVIDIA Grace 11,4 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 5,5 tok/s

MBnach Mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 600,9 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 423,4 tok/s dieser LaufASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 32,6 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 18,9 tok/sASUSTeK COMPUTER INC. GX10 11,4 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 5,5 tok/s

ENGnach Engine

★ llama.cpp 600,9 tok/s dieser LaufvLLM 11,4 tok/s

DRVnach Treiber

unbekannt 600,9 tok/sNVIDIA 590.48.01 / CUDA 13.1 11,4 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 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. Token0,45 EUR

Token / kWh672,94 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)4,37 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 (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

	Nemotron-3-Super-120B-A12BAMD Radeon AI PRO R9700	Nemotron-3-Super-120B-A12BNVIDIA RTX PRO 6000 Blackwell Workstation Edition	Nemotron-3-Super-120B-A12B3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	Nemotron-3-Super-120B-A12B3x 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 69 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 348 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 238 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 238 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.