# LLM-Benchmark Konfiguration # Modell : Nemotron-3-Super-120B-A12B # Engine : llama.cpp # Run-ID : run-20260819-192110-735830 # 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--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 \ --alias NVIDIA-Nemotron-3-Super-120B-A12B \ -ngl 999 \ -fa on \ -sm layer \ -c 49152 \ -np 12 \ -b 8192 \ -ub 4096 \ --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-3-Super-120B-A12B
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--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.	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
Batch-Groesse?Logische Batchgroesse fuer die Prompt-Verarbeitung (Anzahl Token pro Prefill-Durchlauf).	8192
Micro-Batch?Physische Micro-Batchgroesse. Begrenzt, wie viele Token gleichzeitig durch die Compute-Pipeline laufen.	4096

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 (1× 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. Token3,09 EUR

Token / kWh97,04 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)2,16 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-3-Super-120B-A12B4x AMD 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)	–	–	–	–

4× AMD Radeon AI PRO R9700 · dieser Lauf 34 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 129 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 87 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 87 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.