ℹ

Öffentliche Anmerkung: vLLM 0.19.1 auf ROCm 7.13 (gfx120X-Image), 4x AMD Radeon AI PRO R9700 [4 verbaut, 4 genutzt], tensor-parallel-size 4, voll GPU. NUR TEXTPFAD gemessen (Modell ist multimodal, Bildpfad nicht Teil der Messung). concurrency=5, 4 GPUs aktiv

Generation144,27tok/s

Prefill5.192,70tok/s

Time to First Token493,00ms

Gesamtdauer0,00s

Concurrency5parallel

Einordnung im Feld

Diese GPU Alle GPUs

61von 244 Systemen

Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 5× parallel

Dieser Lauf ist besser als 75 % aller vergleichbaren Systeme.

Generation 144,3 tok/s

+54 % vs Ø 93,6

Prefill 5.192,7 tok/s

+134 % vs Ø 2.223,4

Time to First Token 493 ms

-99 % vs Ø 68.160

Verteilung im Feld0 – 449 tok/s

Ø 94 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

Qwen3-0.6BAMD Radeon AI PRO R9700 · run-20260922-071039-3070de

449,4 tok/s

Nemotron-3-Nano-4B3× 3x AMD Radeon AI PRO R9700 · run-20260805-053357-87d883

382,3 tok/s

Nemotron-3-Nano-4B3× 3x AMD Radeon AI PRO R9700 · run-20260805-053357-8c89a3

375,9 tok/s

Nemotron-3-Nano-4B3× 3x AMD Radeon AI PRO R9700 · run-20260805-053357-2ea6a0

358,5 tok/s

Qwen3-1.7BAMD Radeon AI PRO R9700 · run-20260922-071040-338ba9

320,9 tok/s

Qwen2.5-3B-InstructAMD Radeon AI PRO R9700 · run-20260922-071040-5f4866

289,4 tok/s

Meta-Llama-3.1-8B-Instruct3× 3x AMD Radeon AI PRO R9700 · run-20260805-053359-1ea886

281,8 tok/s

Meta-Llama-3.1-8B-Instruct3× 3x AMD Radeon AI PRO R9700 · run-20260805-053400-317715

275,7 tok/s

Meta-Llama-3.1-8B-Instruct3× 3x AMD Radeon AI PRO R9700 · run-20260805-053359-8aa51d

274,9 tok/s

gemma-4-E2B-itAMD Radeon AI PRO R9700 · run-20260922-123035-eb95fa

273,2 tok/s

Nemotron-3.5-Lightning-30B-A3B4× 4x AMD Radeon AI PRO R9700 · run-20260815-060242-c84924

265,9 tok/s

Llama-3.2-3B-InstructAMD Radeon AI PRO R9700 · run-20260922-071040-31f2e8

261,5 tok/s

Ornith-1.0-9B3× 3x AMD Radeon AI PRO R9700 · run-20260805-053400-78e916

261,5 tok/s

Nemotron-3.5-Lightning-30B-A3B4× 4x AMD Radeon AI PRO R9700 · run-20260814-053558-f38347

260,6 tok/s

Qwen3.8-27B dieser Lauf4× 4x AMD Radeon AI PRO R9700 · run-20260817-120414-71824b

144,3 tok/s

Wie schlägt sich dieser Benchmark mit anderen GPUs?

Dasselbe Modell auf anderer Hardware · 5× parallel · Generation (tok/s)

2× NVIDIA RTX A6000run-20260829-134616-440cce

244,8 tok/s

2× NVIDIA RTX A6000run-20260827-101402-2a2031

225,8 tok/s

2× NVIDIA RTX A6000run-20260829-173720-1c03fa

177,1 tok/s

2× NVIDIA RTX A6000run-20260827-133004-cbee5d

167,3 tok/s

4× AMD Radeon AI PRO R9700 dieser Laufrun-20260817-120414-71824b

144,3 tok/s

NVIDIA RTX A6000run-20260826-222255-8a365b

139,4 tok/s

4× AMD Radeon AI PRO R9700run-20261019-160358-ffd6e5

90,1 tok/s

4× AMD Radeon AI PRO R9700run-20260818-003841-f72ec3

81,2 tok/s

4× AMD Radeon AI PRO R9700run-20260815-150805-7dd7dc

73,5 tok/s

4× AMD Radeon AI PRO R9700run-20260815-150804-3c9ca8

73,1 tok/s

4× AMD Radeon AI PRO R9700run-20260815-150805-d698ad

72,9 tok/s

4× AMD Radeon AI PRO R9700run-20260815-150804-4b429b

72,1 tok/s

4× AMD Radeon AI PRO R9700run-20260815-150804-0023c9

71,4 tok/s

4× AMD Radeon AI PRO R9700run-20260815-150804-945c8d

71,3 tok/s

Hardware

GPU: 4x AMD Radeon AI PRO R9700 · 32 GB VRAM
CPU: AMD Ryzen Threadripper PRO 7955WX 16-Cores
RAM: 184 GB
Mainboard: ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE

Setup

Runtime: vLLM
Quantisierung: FP8
Modell: Qwen3.8-27B

Konfiguration

benchmark-konfiguration — run-20260817-120414-71824b

# LLM-Benchmark Konfiguration # Modell : Qwen3.8-27B # Engine : vLLM # Run-ID : run-20260817-120414-71824b # GPU : 4x AMD Radeon AI PRO R9700 # CPU : AMD Ryzen Threadripper PRO 7955WX 16-Cores # RAM : 184 GB bench@llm-benchmark:~$ vllm serve \ --model /mnt/llm/safetensors/Qwen3.8-27B-FP8 \ --served-model-name Qwen3.8-27B \ --tensor-parallel-size 4 \ --dtype auto \ --max-model-len 8192 \ --gpu-memory-utilization 0.90

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.	Qwen3.8-27B
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.	/mnt/llm/safetensors/Qwen3.8-27B-FP8
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.	Qwen3.8-27B
Tensor-Parallel?Anzahl GPUs, auf die JEDER einzelne Modell-Layer aufgeteilt wird (Tensor-Parallelitaet). Mehr GPUs = mehr VRAM und meist mehr Speed, aber die Anzahl der Attention-Heads muss durch diesen Wert teilbar sein (z.B. 32 Heads -> nur 1, 2, 4, 8 ... moeglich, NICHT 3).	4
Dtype?Zahlenformat der Modellgewichte bei der Berechnung (z.B. auto, float16, bfloat16). 'auto' waehlt automatisch das vom Modell empfohlene Format.	auto
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'.	0.90
execution_type	local

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Qwen3.8-27B 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 A6000 426,5 tok/s★ AMD Radeon AI PRO R9700 229,4 tok/s dieser Lauf

CPUnach Prozessor

★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 426,5 tok/s dieser LaufAMD Ryzen 3 3100 4-Core Processor 117,4 tok/s

MBnach Mainboard

★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 426,5 tok/s dieser LaufASUSTeK COMPUTER INC. ROG STRIX X570-F GAMING 117,4 tok/s

ENGnach Engine

★ vLLM 426,5 tok/s dieser Laufllama.cpp 117,4 tok/s

DRVnach Treiber

unbekannt 426,5 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 145 W

⚡ TDP 1271 W

☁️ Externes LLM (API) anzeigen

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

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)1.271 W geschätzt (TDP)GPU 1.200 + CPU 46 + Board 25 W Volllast

Ø-Kosten / Stunde0,38 EUR

Strom / 1 Mio. Token0,73 EUR

Token / kWh408,63 Tsd.

Anschaffung (System)11.114 EUR VollpreisGPU 5.600 EUR · CPU 1.399 EUR · Board 1.299 EUR · RAM 2.576 EUR · Netzteil 240 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)17.794 EUR

Output-Token (2 Jahre)9,10 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 (145 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

	Qwen3.8-27B4x AMD Radeon AI PRO R9700	Qwen3.8-27B2x NVIDIA RTX A6000	Qwen3.8-27B2x NVIDIA RTX A6000	Qwen3.8-27B2x NVIDIA RTX A6000
Kosten Strom (24 Mon.)	–	–	–	–
Kosten Anschaffung	–	–	–	–
Kosten Gesamt (TCO)	–	–	–	–
Generierte Token (24 Mon.)	–	–	–	–
Tokenpreis bei API	–	–	–	–
Break-Even-Point (Tage)	–	–	–	–
Ergebnis (Ersparnis / Ausgabe)	–	–	–	–

4× AMD Radeon AI PRO R9700 · dieser Lauf 144 tok/s 2× NVIDIA RTX A6000 245 tok/s 2× NVIDIA RTX A6000 226 tok/s 2× NVIDIA RTX A6000 177 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.