# LLM-Benchmark Konfiguration # Modell : GLM-4.5-Air # Engine : llama.cpp # Run-ID : run-20260818-080548-ece3de # GPU : 2x AMD Radeon PRO W7900 Dual Slot # CPU : AMD Ryzen Threadripper PRO 5975WX 32-Cores # RAM : 247 GB bench@llm-benchmark:~$ /home/godcore/llama.cpp/build_hip/bin/llama-server \ -m /home/godcore/bench_scratch/zai-org_GLM-4.5-Air-Q8_0-00001-of-00003.gguf \ --alias GLM-4.5-Air \ -ngl 999 \ -fa on \ -sm layer \ --tensor-split 1,1 \ -cmoe \ -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.	GLM-4.5-Air
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/bench_scratch/zai-org_GLM-4.5-Air-Q8_0-00001-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
fa	on
Split-Mode?Verteilung ueber mehrere GPUs: none (nur eine GPU), layer (Layer aufteilen) oder row (Tensoren zeilenweise).	layer
Tensor-Split?Verhaeltnis, in dem die Modell-Layer auf mehrere GPUs verteilt werden, z.B. 3,1.	1,1
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	49152
np	12

All benchmarks of this model To leaderboard

Model comparison

GLM-4.5-Air 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 661,8 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 615,3 tok/sAMD Radeon AI PRO R9700 104,1 tok/s★ AMD Radeon PRO W7900 Dual Slot 99,5 tok/s this runNVIDIA GeForce RTX 3090 Ti 20,8 tok/sNVIDIA GeForce RTX 5070 Ti 9,9 tok/sNVIDIA GeForce RTX 5090 6,2 tok/sCPU-only 2,1 tok/s

CPUby processor

AMD Ryzen 9 9950X 16-Core Processor 661,8 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 615,3 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 104,1 tok/s★ AMD Ryzen Threadripper PRO 5975WX 32-Cores 99,5 tok/s this runAMD Ryzen 9 8945HX with Radeon Graphics 20,8 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 6,2 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 2,1 tok/s

MBby mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 661,8 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 615,3 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 99,5 tok/s this runMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 20,8 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 6,2 tok/sDell Inc. PowerEdge R820 2,1 tok/s

ENGby engine

★ llama.cpp 661,8 tok/s this rununbekannt 32,9 tok/svLLM 9,1 tok/s

DRVby driver

unbekannt 661,8 tok/sAMD 7.0.0-27-generic 32,9 tok/s

💰 Economics

Economics of this run

Operating cost, TCO and comparison with the next-best runs of the same model at identical concurrency (1× concurrent). Methodology →

⚙️ ConfigurationAll metrics and charts below follow these settings – based on a 24-month runtime.Save to URL Reset

⚡ Electricity price EUR/kWh

⚙️ System utilization 100 %

🖥️ Acquisition EUR

🔌 Idle 10 W

⚡ TDP 600 W

☁️ External LLM (API) show

Input €/1M Output €/1M Input per output token

Electricity0.30 EUR/kWh

Avg power (incl. idle)600 W estimated (TDP)GPU 590 + Board 10 W full load

Avg cost / hourEUR 0.18

Electricity / 1M tokensEUR 4.46

Token / kWh67.32K

Acquisition (system)EUR 2,156 missingRAM EUR 1,976 · PSU EUR 180

Electricity (2 years)–

TCO (2 years)EUR 5,310

Output tokens (2 years)707.67M

☁️ External LLM (API) – comparison

External LLM cost (2 years)–

Savings vs. external (2 years)–

All values above and the charts below take the configured system utilization into account: at X% the system generates only X% of the time, the rest it idles (10 W). Cost per hour drops (more idle), cost per token rises.

Cost over 2 years – electricity only

Cost over 2 years – incl. acquisition (TCO)

Speed vs. tokens per euro

Euro per 1M tokens

Comparison vs. API – economics per benchmark

	GLM-4.5-Air2x AMD Radeon PRO W7900 Dual Slot	GLM-4.5-AirNVIDIA RTX PRO 6000 Blackwell Workstation Edition	GLM-4.5-Air3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	GLM-4.5-Air3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition
Electricity cost (24 mo.)	–	–	–	–
Acquisition cost	–	–	–	–
Total cost (TCO)	–	–	–	–
Generated tokens (24 mo.)	–	–	–	–
Token price via API	–	–	–	–
Break-even point (days)	–	–	–	–
Result (savings / extra cost)	–	–	–	–

2× AMD Radeon PRO W7900 Dual Slot · this run 11 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 125 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 115 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 115 tok/s

Comparison with up to 3 next-best runs of this model at the same concurrency (at least one on different hardware). Power = GPU TDP + CPU (idle + 15 %) + board (estimated), acquisition = full system (GPU + CPU + board + RAM + PSU), prices = stored market prices.

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.