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.

Generation92,88tok/s

Prefill3.208,03tok/s

Time to First Token15.974,50ms

Total duration207,87s

Concurrency5parallel

Ranking in the field

This GPU All GPUs

6of 16 systems

Performance benchmark · Primary metric: Generation-Speed (tok/s) · 5× concurrent

This run is better than 67 % of all comparable systems.

Generation 92,9 tok/s

+2 % vs Ø 91,4

Prefill 3.208,0 tok/s

+226 % vs Ø 984,2

Time to First Token 15.975 ms

-47 % vs Ø 30.097

Distribution in the field11 – 327 tok/s

Ø 91 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

Nemotron-Cascade-2-30B-A3BAMD Radeon 8060S Graphics · run-20260820-184209-fe3575

326,9 tok/s

Qwen-AgentWorld-35B-A3BAMD Radeon 8060S Graphics · run-20260723-142109-7781ae

101,7 tok/s

Qwen3.6-35B-A3B same modelAMD Radeon 8060S Graphics · run-20260820-184209-2e8259

98,3 tok/s

Qwen3-30B-A3B-Instruct-2507AMD Radeon 8060S Graphics · run-20260723-015518-6c8a89

97,8 tok/s

Qwen3.6-35B-A3B same modelAMD Radeon 8060S Graphics · run-20260819-104341-2012e7

95,4 tok/s

Qwen3.6-35B-A3B this runAMD Radeon 8060S Graphics · run-20260820-184209-39ff2b

92,9 tok/s

Qwen3.6-35B-A3B same modelAMD Radeon 8060S Graphics · run-20260819-104341-c511eb

86,4 tok/s

Qwen3.6-35B-A3B same modelAMD Radeon 8060S Graphics · run-20260821-071254-6136b0

86,0 tok/s

Qwen3.6-35B-A3B same modelAMD Radeon 8060S Graphics · run-20260819-104341-53e03b

81,9 tok/s

Gemma-4-26B-A4B-itAMD Radeon 8060S Graphics · run-20260725-031733-d3a49a

79,5 tok/s

Gemma-4-26B-A4B-itAMD Radeon 8060S Graphics · run-20260725-031733-6b9e97

77,7 tok/s

gpt-oss-20bAMD Radeon 8060S Graphics · run-20260724-082941-bd14ba

71,9 tok/s

gemma-4-26B-A4B-it-assistantAMD Radeon 8060S Graphics · run-20260725-031727-e0d1a8

67,3 tok/s

Ministral-3-14B-Reasoning-2512AMD Radeon 8060S Graphics · run-20260723-142058-33784d

56,8 tok/s

How does this benchmark compare on other GPUs?

Same model on different hardware · 5× concurrent · Generation (tok/s)

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260729-032129-e6d323

812,6 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260731-071556-93a59c

745,0 tok/s

NVIDIA GeForce RTX 5090run-20260731-071557-28b20e

744,6 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260731-071555-fe8883

716,7 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260731-071555-191108

654,4 tok/s

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260724-083000-a4b89b

596,5 tok/s

NVIDIA GeForce RTX 3090 Tirun-20260729-105337-539e80

472,3 tok/s

NVIDIA GeForce RTX 3090 Tirun-20260804-052131-18f8d1

467,1 tok/s

4× AMD Radeon AI PRO R9700run-20260810-033719-08f815

232,5 tok/s

4× AMD Radeon AI PRO R9700run-20260810-033720-874613

226,4 tok/s

2× AMD Radeon PRO W7900 Dual Slotrun-20260819-192110-ec3e76

201,4 tok/s

2× AMD Radeon PRO W7900 Dual Slotrun-20260818-122245-6f6470

195,9 tok/s

2× AMD Radeon PRO W7900 Dual Slotrun-20260818-130724-4af58d

194,6 tok/s

4× AMD Radeon AI PRO R9700run-20260817-120413-43f375

186,3 tok/s

Hardware

GPU: AMD Radeon 8060S Graphics
CPU: AMD RYZEN AI MAX+ 395 w/ Radeon 8060S
RAM: 31 GB
Mainboard: Bosgame AXB35-02 (BeyondMax Series)

Setup

Runtime: vLLM
Quantization: BF16
Model: Qwen3.6-35B-A3B

Configuration

benchmark-konfiguration — run-20260820-184209-39ff2b

# LLM-Benchmark Konfiguration # Modell : Qwen3.6-35B-A3B # Engine : vLLM # Run-ID : run-20260820-184209-39ff2b # GPU : AMD Radeon 8060S Graphics # CPU : AMD RYZEN AI MAX+ 395 w/ Radeon 8060S # RAM : 31 GB bench@llm-benchmark:~$ /opt/venv/bin/python /opt/venv/bin/vllm serve Qwen/Qwen3.6-35B-A3B \ --served-model-name Qwen3.6-35B-A3B \ --host 0.0.0.0 \ --port 8000 \ --max-model-len 64000 \ --max-num-seqs 4 \ --max-num-batched-tokens 16384 \ --kv-cache-memory-bytes 8G \ --attention-backend ROCM_AITER_UNIFIED_ATTN \ --trust-remote-code \ --language-model-only \ --skip-mm-profiling \ --enforce-eager \ --enable-auto-tool-choice \ --tool-call-parser qwen3_coder \ --generation-config vllm \ --default-chat-template-kwargs '{"enable_thinking": false}'

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.	vllm
Modellalias?Der Name, unter dem das Modell ueber die API angesprochen wird. Genau dieser Wert muss im Request-Feld 'model' stehen.	Qwen3.6-35B-A3B
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	64000
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.	Qwen3.6-35B-A3B
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	64000
Max-Sequenzen?Maximale Anzahl gleichzeitig bearbeiteter Anfragen (Batch-Groesse). Hoeher = mehr Durchsatz, braucht aber mehr KV-Cache-Speicher.	4
Max-Batch-Tokens?Maximale Anzahl Tokens, die pro Rechenschritt gebuendelt verarbeitet werden. Beeinflusst Prefill-Durchsatz und Latenz.	16384
kv-cache-memory-bytes	8G
attention-backend	ROCM_AITER_UNIFIED_ATTN
Trust-Remote-Code?Erlaubt vLLM, mit dem Modell mitgelieferten Python-Code auszufuehren. Noetig fuer Architekturen, die vLLM nicht von Haus aus kennt. Nur bei vertrauenswuerdigen Modellen aktivieren.	aktiv
Nur-Sprachmodell?Laedt bei multimodalen Modellen nur den Sprachteil. Spart VRAM, deaktiviert aber Bild-/Audio-Eingabe.	aktiv
skip-mm-profiling	aktiv
Enforce-Eager?Schaltet die optimierte Graph-Ausfuehrung (CUDA-/HIP-Graphs) AB und rechnet Schritt fuer Schritt. Startet schneller und spart etwas VRAM, ist im laufenden Betrieb aber meist langsamer als mit Graphs.	aktiv
Auto-Tool-Choice?Erlaubt dem Modell, Tools (Function-Calling) selbststaendig auszuwaehlen. MUSS aktiv sein, damit 'tools' im Request akzeptiert werden - sonst lehnt vLLM sie mit HTTP 400 ab.	aktiv
Tool-Parser?Bestimmt, wie vLLM Tool-Aufrufe aus der Modellantwort ausliest (z.B. hermes, mistral, llama3_json). Muss zum Modell passen.	qwen3_coder
Generation-Config?Quelle der Default-Sampling-Parameter (auto/vllm oder Pfad). Steuert die vom Modell vorgegebenen Defaults fuer temperature/top_p usw.	vllm
default-chat-template-kwargs	{"enable_thinking": false}

All benchmarks of this model To leaderboard

Model comparison

Qwen3.6-35B-A3B 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 PRO 6000 Blackwell Workstation Edition 1.489,1 tok/sNVIDIA GeForce RTX 5090 1.409,4 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.367,3 tok/sNVIDIA GeForce RTX 3090 Ti 852,0 tok/sAMD Radeon PRO W7900 Dual Slot 296,2 tok/sAMD Radeon AI PRO R9700 271,4 tok/sNVIDIA GB10 (DGX Spark) 167,1 tok/sNVIDIA GeForce RTX 5070 Ti 142,9 tok/sIntel Arc Pro B70 124,5 tok/s★ AMD Radeon 8060S Graphics 98,3 tok/s this runCPU-only 4,3 tok/s

CPUby processor

AMD Ryzen 9 9950X 16-Core Processor 1.489,1 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 1.409,4 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.367,3 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 852,0 tok/sAMD Ryzen 5 5600X 6-Core Processor 830,5 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 296,2 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 271,4 tok/sNVIDIA Grace 167,1 tok/sAMD Ryzen 9 7945HX with Radeon Graphics 124,5 tok/s★ AMD RYZEN AI MAX+ 395 w/ Radeon 8060S 98,3 tok/s this runIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 4,3 tok/s

MBby mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.489,1 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.409,4 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.367,3 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 852,0 tok/sASUSTeK COMPUTER INC. PRIME A520M-K 830,5 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 296,2 tok/sASUSTeK COMPUTER INC. GX10 167,1 tok/sShenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series) 124,5 tok/s★ Bosgame AXB35-02 (BeyondMax Series) 98,3 tok/s this runDell Inc. PowerEdge R820 4,3 tok/s

ENGby engine

llama.cpp 1.489,1 tok/s★ vLLM 952,8 tok/s this rununbekannt 830,5 tok/s

DRVby driver

unbekannt 1.489,1 tok/sNVIDIA 590.48.01 / CUDA 13.1 167,1 tok/sIntel 26.18.38308.4 124,5 tok/sAMD 7.0.0-27-generic 79,4 tok/s

💰 Economics

Economics of this run

Operating cost, TCO and comparison with the next-best runs of the same model at identical concurrency (5× 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 18 W

⚡ TDP 120 W

☁️ External LLM (API) show

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

Electricity0.30 EUR/kWh

Avg power (incl. idle)120 W estimated (TDP)GPU 120 W full load

Avg cost / hourEUR 0.036

Electricity / 1M tokensEUR 0.11

Token / kWh2.79M

Acquisition (system)EUR 4,054 missingBoard EUR 3,500 · RAM EUR 434 · PSU EUR 120

Electricity (2 years)–

TCO (2 years)EUR 4,685

Output tokens (2 years)5.86B

☁️ 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 (18 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

	Qwen3.6-35B-A3BAMD Radeon 8060S Graphics	Qwen3.6-35B-A3BNVIDIA RTX PRO 6000 Blackwell Workstation Edition	Qwen3.6-35B-A3B3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	Qwen3.6-35B-A3BNVIDIA GeForce RTX 5090
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)	–	–	–	–

AMD Radeon 8060S Graphics · this run 93 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 813 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 745 tok/s NVIDIA GeForce RTX 5090 745 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.