# LLM-Benchmark Konfiguration # Modell : Nemotron-H-47B-Reasoning-128K # Engine : llama.cpp # Run-ID : run-20260817-174453-66efa9 # GPU : 4x 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--bartowski--nvidia_Nemotron-H-47B-Reasoning-128K-GGUF/snapshots/ce89f02cd0eafe3931acec38f4d91a654ae1ca4d/nvidia_Nemotron-H-47B-Reasoning-128K-Q4_K_M.gguf \ --alias nvidia_Nemotron-H-47B-Reasoning-128K \ -ngl 999 \ -fa on \ -sm layer \ -c 49152 \ -np 12 \ --jinja \ --host 0.0.0.0 \ --port 8000

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.	nvidia_Nemotron-H-47B-Reasoning-128K
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	49152
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.	/home/godcore/.cache/huggingface/hub/models--bartowski--nvidia_Nemotron-H-47B-Reasoning-128K-GGUF/snapshots/ce89f02cd0eafe3931acec38f4d91a654ae1ca4d/nvidia_Nemotron-H-47B-Reasoning-128K-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.	999
fa	on
Split-Mode?Verteilung ueber mehrere GPUs: none (nur eine GPU), layer (Layer aufteilen) oder row (Tensoren zeilenweise).	layer
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	49152
np	12

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Nemotron-H-47B-Reasoning-128K 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 203,5 tok/sNVIDIA GeForce RTX 5090 197,2 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 174,9 tok/s★ AMD Radeon AI PRO R9700 28,1 tok/s dieser LaufNVIDIA GeForce RTX 5070 Ti 20,4 tok/sNVIDIA GeForce RTX 3090 Ti 16,9 tok/sAMD Radeon 8060S Graphics 10,7 tok/s

CPUnach Prozessor

AMD Ryzen Threadripper PRO 9965WX 24-Cores 203,5 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 197,2 tok/sAMD Ryzen 9 9950X 16-Core Processor 174,9 tok/s★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 28,1 tok/s dieser LaufAMD Ryzen Threadripper PRO 5975WX 32-Cores 20,4 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 16,9 tok/sAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 10,7 tok/s

MBnach Mainboard

★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 203,5 tok/s dieser LaufASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 197,2 tok/sASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 174,9 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 20,4 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 16,9 tok/sBosgame AXB35-02 (BeyondMax Series) 10,7 tok/s

ENGnach Engine

★ llama.cpp 203,5 tok/s dieser Lauf

DRVnach Treiber

unbekannt 203,5 tok/s

💰 Economics

Wirtschaftlichkeit dieses Laufs

Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (10× 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. Token3,77 EUR

Token / kWh79,56 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)1,77 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

	Nemotron-H-47B-Reasoning-128K4x AMD Radeon AI PRO R9700	Nemotron-H-47B-Reasoning-128K3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	Nemotron-H-47B-Reasoning-128K3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	Nemotron-H-47B-Reasoning-128KNVIDIA 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)	–	–	–	–

4× AMD Radeon AI PRO R9700 · dieser Lauf 28 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 203 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 201 tok/s NVIDIA GeForce RTX 5090 197 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.