# LLM-Benchmark Konfiguration # Modell : Ling-3.0-flash # Engine : llama.cpp # Run-ID : run-20260819-195405-d529cb # 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/ling_gguf/Ling-3.0-flash-Q4_K_M.gguf \ --alias Ling-3.0-flash \ -ngl 999 \ -fa on \ -sm layer \ --tensor-split 1,1 \ -c 8192 \ -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.	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).	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

Ling-3.0-flash 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 GB10 (DGX Spark) 253,7 tok/s★ AMD Radeon PRO W7900 Dual Slot 165,7 tok/s dieser LaufAMD Radeon AI PRO R9700 160,2 tok/s

CPUnach Prozessor

NVIDIA Grace 253,7 tok/s★ AMD Ryzen Threadripper PRO 5975WX 32-Cores 165,7 tok/s dieser LaufAMD Ryzen Threadripper PRO 7955WX 16-Cores 160,2 tok/s

MBnach Mainboard

ASUSTeK COMPUTER INC. GX10 253,7 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 165,7 tok/s dieser LaufASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 160,2 tok/s

ENGnach Engine

★ llama.cpp 253,7 tok/s dieser Lauf

DRVnach Treiber

NVIDIA 590.48.01 / CUDA 13.1 253,7 tok/sunbekannt 165,7 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 10 W

⚡ TDP 600 W

☁️ Externes LLM (API) anzeigen

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

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)600 W geschätzt (TDP)GPU 590 + Board 10 W Volllast

Ø-Kosten / Stunde0,18 EUR

Strom / 1 Mio. Token1,01 EUR

Token / kWh296,64 Tsd.

Anschaffung (System)2.156 EUR fehltRAM 1.976 EUR · Netzteil 180 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)5.310 EUR

Output-Token (2 Jahre)3,12 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 (10 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

	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)
Kosten Strom (24 Mon.)	–	–	–	–
Kosten Anschaffung	–	–	–	–
Kosten Gesamt (TCO)	–	–	–	–
Generierte Token (24 Mon.)	–	–	–	–
Tokenpreis bei API	–	–	–	–
Break-Even-Point (Tage)	–	–	–	–
Ergebnis (Ersparnis / Ausgabe)	–	–	–	–

2× AMD Radeon PRO W7900 Dual Slot · dieser Lauf 49 tok/s 2× AMD Radeon PRO W7900 Dual Slot 50 tok/s 2× AMD Radeon PRO W7900 Dual Slot 50 tok/s NVIDIA GB10 (DGX Spark) 48 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.