ℹ

For context: Diese Plattform nutzt Unified Memory – die "VRAM" ist gemeinsamer System-RAM (APU/Superchip); das Modell teilt sich den Speicher mit dem System.

Generation90,05tok/s

Prefill1.599,60tok/s

Time to First Token43.239,00ms

Total duration372,71s

Concurrency10parallel

Ranking in the field

This GPU All GPUs

1137of 1427 systems

Performance benchmark · Primary metric: Generation-Speed (tok/s) · 10× concurrent

This run is better than 20 % of all comparable systems.

Generation 90,1 tok/s

-79 % vs Ø 425,3

Prefill 1.599,6 tok/s

-76 % vs Ø 6.659,3

Time to First Token 43.239 ms

-6 % vs Ø 45.848

Distribution in the field0 – 2.491 tok/s

Ø 425 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

gemma-4-E2B-itNVIDIA GeForce RTX 5090 · run-20260728-184455-e28775

2.491,2 tok/s

gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181606-b37ed9

2.414,4 tok/s

Nemotron-3.5-Lightning-30B-A3BNVIDIA GeForce RTX 3090 Ti · run-20261021-093815-dce558

2.263,7 tok/s

Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181607-4cca42

2.182,7 tok/s

gemma-4-E2B-it3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-184456-d87c73

2.143,6 tok/s

gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260730-035052-9c966e

1.995,4 tok/s

gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260728-140954-8007c4

1.993,5 tok/s

Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-0aed86

1.937,7 tok/s

Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-8db0fa

1.911,6 tok/s

Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260727-181606-e0eafd

1.897,0 tok/s

gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260729-032121-7c961d

1.890,7 tok/s

Nemotron-3-Nano-4BNVIDIA GeForce RTX 5090 · run-20260728-194135-2ed9dd

1.878,7 tok/s

gpt-oss-20b3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-034052-26063b

1.835,7 tok/s

Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-a77046

1.830,3 tok/s

Ling-3.0-flash this runNVIDIA GB10 (DGX Spark) · run-20260820-071726-fac92e

90,1 tok/s

How does this benchmark compare on other GPUs?

Same model on different hardware · 10× concurrent · Generation (tok/s)

2× NVIDIA RTX A6000run-20260930-145235-98a0bb

388,1 tok/s

NVIDIA GB10run-20260820-173706-52a2df

253,7 tok/s

NVIDIA GB10run-20260820-131510-16a6a0

250,7 tok/s

NVIDIA GB10run-20260820-131510-6c0f64

247,8 tok/s

2× NVIDIA RTX A6000run-20261001-120303-00c4f3

201,3 tok/s

2× NVIDIA RTX A6000run-20261001-081040-84009f

197,9 tok/s

2× NVIDIA RTX A6000run-20260925-162606-50993f

194,7 tok/s

2× AMD Radeon PRO W7900 Dual Slotrun-20260820-035952-59e76b

165,7 tok/s

2× AMD Radeon PRO W7900 Dual Slotrun-20260820-061102-35573a

165,4 tok/s

2× AMD Radeon PRO W7900 Dual Slotrun-20260820-050509-adfd8e

164,7 tok/s

4× AMD Radeon AI PRO R9700run-20260820-035952-e63c91

160,2 tok/s

4× AMD Radeon AI PRO R9700run-20260820-050509-b12bbc

159,6 tok/s

4× AMD Radeon AI PRO R9700run-20260818-071252-5ea375

141,1 tok/s

2× AMD Radeon RX 7900 XTXrun-20260925-120144-a6ab54

133,0 tok/s

Hardware

GPU: NVIDIA GB10 · 128 GB VRAM
CPU: NVIDIA Grace
RAM: 120 GB
Mainboard: ASUSTeK COMPUTER INC. GX10

Setup

Runtime: llama.cpp
Quantization: Q4_K_M
Driver: NVIDIA 590.48.01 / CUDA 13.1
Model: Ling-3.0-flash

Configuration

benchmark-konfiguration — run-20260820-071726-fac92e

# LLM-Benchmark Konfiguration # Modell : Ling-3.0-flash # Engine : llama.cpp # Run-ID : run-20260820-071726-fac92e # GPU : NVIDIA GB10 # CPU : NVIDIA Grace # RAM : 120 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 \ -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
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

All benchmarks of this model To leaderboard

Model comparison

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

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

CPUby processor

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

MBby mainboard

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

ENGby engine

vLLM 388,1 tok/s★ llama.cpp 253,7 tok/s this run

DRVby driver

unbekannt 388,1 tok/s★ NVIDIA 590.48.01 / CUDA 13.1 253,7 tok/s this run

💰 Economics

Economics of this run

Operating cost, TCO and comparison with the next-best runs of the same model at identical concurrency (10× 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 15 W

⚡ TDP 140 W

☁️ External LLM (API) show

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

Electricity0.30 EUR/kWh

Avg power (incl. idle)140 W estimated (TDP)GPU 140 W full load

Avg cost / hourEUR 0.042

Electricity / 1M tokensEUR 0.13

Token / kWh2.32M

Acquisition (system)EUR 5,800 partial priceGPU EUR 4,000 · RAM EUR 1,680 · PSU EUR 120

Electricity (2 years)–

TCO (2 years)EUR 6,536

Output tokens (2 years)5.68B

☁️ 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 (15 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-flashNVIDIA GB10 (DGX Spark)	Ling-3.0-flash2x NVIDIA RTX A6000	Ling-3.0-flashNVIDIA GB10 (DGX Spark)	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)	–	–	–	–

NVIDIA GB10 (DGX Spark) · this run 90 tok/s 2× NVIDIA RTX A6000 388 tok/s NVIDIA GB10 (DGX Spark) 254 tok/s NVIDIA GB10 (DGX Spark) 251 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.