# LLM-Benchmark Konfiguration # Modell : Ling-3.0-flash # Engine : llama.cpp # Run-ID : run-20260820-050509-b12bbc # 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/ling_gguf/Ling-3.0-flash-Q4_K_M.gguf \ --alias Ling-3.0-flash \ -ngl 999 \ -fa on \ -sm layer \ --tensor-split 1,1,1,1 \ -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.	Ling-3.0-flash
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/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.	1,1,1,1
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
execution_type	local

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 RTX A6000 388,1 tok/sNVIDIA GB10 (DGX Spark) 253,7 tok/sAMD Radeon PRO W7900 Dual Slot 165,7 tok/s★ AMD Radeon AI PRO R9700 160,2 tok/s dieser LaufAMD Radeon RX 7900 XTX 133,0 tok/s

CPUnach Prozessor

AMD EPYC 7203P 8-Core Processor 388,1 tok/sNVIDIA Grace 253,7 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 165,7 tok/s★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 160,2 tok/s dieser LaufAMD Ryzen Threadripper PRO 3955WX 16-Cores 133,0 tok/sIntel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 14,9 tok/s

MBnach Mainboard

ASRockRack ROMED8-2T/BCM 388,1 tok/sASUSTeK COMPUTER INC. GX10 253,7 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 194,7 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 160,2 tok/s dieser LaufDell Inc. PowerEdge R820 14,9 tok/s

ENGnach Engine

vLLM 388,1 tok/s★ llama.cpp 253,7 tok/s dieser Lauf

DRVnach Treiber

unbekannt 388,1 tok/sNVIDIA 590.48.01 / CUDA 13.1 253,7 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. Token0,66 EUR

Token / kWh451,97 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)10,06 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

	Ling-3.0-flash4x AMD Radeon AI PRO R9700	Ling-3.0-flash2x NVIDIA RTX A6000	Ling-3.0-flashNVIDIA GB10 (DGX Spark)	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)	–	–	–	–

4× AMD Radeon AI PRO R9700 · dieser Lauf 160 tok/s 2× NVIDIA RTX A6000 388 tok/s NVIDIA GB10 (DGX Spark) 254 tok/s NVIDIA GB10 (DGX Spark) 251 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.