Contributed byMario AlkainclusionAI Ling-3.0-flash
Performance benchmark · measured on 19.08.2026 19:12
run-20260819-192110-7d79cfPerformance benchmark · Primary metric: Generation-Speed (tok/s) · 1× concurrent
Wie schlägt sich dieser Benchmark mit anderen Modellen?
How does this benchmark compare on other GPUs?
Same model on different hardware · 1× concurrent · Generation (tok/s)
Hardware
GPU: 2x AMD Radeon PRO W7900 Dual Slot · 48 GB VRAM
CPU: AMD Ryzen Threadripper PRO 5975WX 32-Cores
RAM: 247 GB
Mainboard: ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI
Setup
Runtime: llama.cpp
Quantization: Q4_K_M
Model: Ling-3.0-flash
Configuration
| 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. | Ling-3.0-flash |
| 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/ling_gguf/Ling-3.0-flash-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 |
| 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. | 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 |
Ling-3.0-flash 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
CPUby processor
MBby mainboard
DRVby driver
Economics of this run
Operating cost, TCO and comparison with the next-best runs of the same model at identical concurrency (1× concurrent). Methodology →
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
| Ling-3.0-flash2x AMD Radeon PRO W7900 Dual Slot | Ling-3.0-flash2x AMD Radeon PRO W7900 Dual Slot | Ling-3.0-flash2x AMD Radeon PRO W7900 Dual Slot | Ling-3.0-flashNVIDIA GB10 (DGX Spark) | |
|---|---|---|---|---|
| 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) | – | – | – | – |
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.
Mario Alka Administrator
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.