# LLM-Benchmark Konfiguration # Modell : Nemotron-3-Nano-4B # Engine : llama.cpp # Run-ID : run-20260820-184209-acbe19 # GPU : 2x NVIDIA GeForce RTX 2060 # CPU : Intel(R) Core(TM) i5-7400 CPU @ 3.00GHz # RAM : 7 GB bench@llm-benchmark:~$ /home/godcore/llama.cpp/build/bin/llama-server \ -m NVIDIA-Nemotron3-Nano-4B-Q4_K_M.gguf \ -ngl 999 \ -ts 1,1 \ -fa on \ -c 24000 \ -np 5

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
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	24000
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.	NVIDIA-Nemotron3-Nano-4B-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
Tensor-Split?Verhaeltnis, in dem die Modell-Layer auf mehrere GPUs verteilt werden, z.B. 3,1.	1,1
fa	on
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	24000
np	5

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Nemotron-3-Nano-4B 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 PRO 6000 Blackwell Workstation Edition 2.182,7 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.937,7 tok/sNVIDIA GeForce RTX 5090 1.878,7 tok/sNVIDIA GeForce RTX 5070 Ti 1.197,0 tok/sNVIDIA GeForce RTX 3090 Ti 992,1 tok/sAMD Radeon AI PRO R9700 667,0 tok/sNVIDIA GB10 (DGX Spark) 367,8 tok/s★ NVIDIA GeForce RTX 2060 125,7 tok/s dieser LaufCPU-only 8,0 tok/s

CPUnach Prozessor

AMD Ryzen 9 9950X 16-Core Processor 2.182,7 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.937,7 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 1.878,7 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 1.197,0 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 992,1 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 667,0 tok/sNVIDIA Grace 367,8 tok/s★ Intel(R) Core(TM) i5-7400 CPU @ 3.00GHz 125,7 tok/s dieser LaufIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 8,0 tok/s

MBnach Mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 2.182,7 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.937,7 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.878,7 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 1.197,0 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 992,1 tok/sASUSTeK COMPUTER INC. GX10 367,8 tok/s★ ASRock H110 Pro BTC+ 125,7 tok/s dieser LaufDell Inc. PowerEdge R820 8,0 tok/s

ENGnach Engine

★ llama.cpp 2.182,7 tok/s dieser Lauf

DRVnach Treiber

unbekannt 2.182,7 tok/sNVIDIA 590.48.01 / CUDA 13.1 367,8 tok/s

💰 Economics

Wirtschaftlichkeit dieses Laufs

Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (5× 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 %

🔌 Idle 0 W

⚡ TDP 10 W

☁️ Externes LLM (API) anzeigen

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

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)0 W fehlt

Ø-Kosten / Stunde–

Strom / 1 Mio. Token–

Token / kWh–

Anschaffung (System)– fehlt

Stromkosten (2 Jahre)–

TCO (2 Jahre)–

Output-Token (2 Jahre)6,31 Mrd.

☁️ Externes LLM (API) – Vergleich

Externe LLM-Kosten (2 Jahre)–

Ersparnis vs. extern (2 Jahre)–

Keine Leistungsaufnahme gemessen – Werte geschätzt aus GPU-TDP + CPU (Idle + 15 %) + Board.

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 (0 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

	Nemotron-3-Nano-4B2x NVIDIA GeForce RTX 2060	Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition	Nemotron-3-Nano-4BNVIDIA GeForce RTX 5090	Nemotron-3-Nano-4B3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition
Kosten Strom (24 Mon.)	–	–	–	–
Kosten Anschaffung	–	–	–	–
Kosten Gesamt (TCO)	–	–	–	–
Generierte Token (24 Mon.)	–	–	–	–
Tokenpreis bei API	–	–	–	–
Break-Even-Point (Tage)	–	–	–	–
Ergebnis (Ersparnis / Ausgabe)	–	–	–	–

2× NVIDIA GeForce RTX 2060 · dieser Lauf 100 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.189 tok/s NVIDIA GeForce RTX 5090 1.165 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.091 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.