ℹ

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

Generation169,89tok/s

Prefill7.469,75tok/s

Time to First Token5.006,50ms

Gesamtdauer132,47s

Concurrency10parallel

Einordnung im Feld

Diese GPU Alle GPUs

14von 24 Systemen

Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 10× parallel

Dieser Lauf ist besser als 43 % aller vergleichbaren Systeme.

Generation 169,9 tok/s

-37 % vs Ø 269,0

Prefill 7.469,8 tok/s

+65 % vs Ø 4.519,5

Time to First Token 5.007 ms

-76 % vs Ø 21.234

Verteilung im Feld64 – 903 tok/s

Ø 269 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

gemma-4-E2B-itNVIDIA GB10 · run-20260729-224611-cc3776

903,3 tok/s

gemma-4-E2B-itNVIDIA GB10 · run-20260729-224610-32ded2

860,9 tok/s

gemma-4-E4B-itNVIDIA GB10 · run-20260730-084906-3e426d

488,2 tok/s

gemma-4-E4B-itNVIDIA GB10 · run-20260729-224611-9fe5af

484,8 tok/s

gemma-4-E4B-itNVIDIA GB10 · run-20260729-224611-0a62d6

455,1 tok/s

Nemotron-3-Nano-4BNVIDIA GB10 · run-20260730-084906-84663c

367,8 tok/s

Nemotron-3-Nano-4BNVIDIA GB10 · run-20260730-035052-93e207

354,3 tok/s

Ling-3.0-flashNVIDIA GB10 · run-20260820-173706-52a2df

253,7 tok/s

Ling-3.0-flashNVIDIA GB10 · run-20260820-131510-16a6a0

250,7 tok/s

Ling-3.0-flashNVIDIA GB10 · run-20260820-131510-6c0f64

247,8 tok/s

gpt-oss-20bNVIDIA GB10 · run-20260820-194812-1bb2eb

202,1 tok/s

Qwen3-Coder-30B-A3B-InstructNVIDIA GB10 · run-20260820-205402-b9c794

182,9 tok/s

MiniMax-M2.7NVIDIA GB10 · run-20260723-055735-2facb9

174,2 tok/s

Qwen3-30B-A3B-Instruct-2507 dieser LaufNVIDIA GB10 · run-20260820-194812-a67646

169,9 tok/s

Wie schlägt sich dieser Benchmark mit anderen GPUs?

Dasselbe Modell auf anderer Hardware · 10× parallel · Generation (tok/s)

NVIDIA GeForce RTX 5090run-20260729-105335-2c186b

1.671,0 tok/s

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260729-032122-3d6d17

1.658,1 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105342-54b04e

1.515,7 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105341-5cfa7f

1.507,5 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105341-7806d7

1.436,0 tok/s

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260724-004604-860045

961,5 tok/s

NVIDIA GeForce RTX 5090run-20260723-045450-e8df4d

909,3 tok/s

NVIDIA GeForce RTX 3090 Tirun-20260729-060803-9dc48b

905,1 tok/s

NVIDIA GeForce RTX 3090 Tirun-20260724-004603-3aec22

901,9 tok/s

2× AMD Radeon PRO W7900 Dual Slotrun-20260818-134249-787b11

264,2 tok/s

2× AMD Radeon PRO W7900 Dual Slotrun-20260818-141454-d2fa2d

251,1 tok/s

AMD Radeon PRO W7900 Dual Slotrun-20260817-133237-ca9a7a

246,8 tok/s

NVIDIA GB10 dieser Laufrun-20260820-194812-a67646

169,9 tok/s

NVIDIA GeForce RTX 5070 Tirun-20260729-032127-c9386f

152,7 tok/s

Hardware

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

Setup

Runtime: llama.cpp
Quantisierung: Q4_K_M
Treiber: NVIDIA 590.48.01 / CUDA 13.1
Modell: Qwen3-30B-A3B-Instruct-2507

Konfiguration

benchmark-konfiguration — run-20260820-194812-a67646

# LLM-Benchmark Konfiguration # Modell : Qwen3-30B-A3B-Instruct-2507 # Engine : llama.cpp # Run-ID : run-20260820-194812-a67646 # GPU : NVIDIA GB10 # CPU : NVIDIA Grace # RAM : 120 GB bench@llm-benchmark:~$ /home/godcore/llama.cpp/build/bin/llama-server \ -m Qwen_Qwen3-30B-A3B-Instruct-2507-Q4_K_M.gguf \ -ngl 999 \ -fa on \ -c 49152 \ -np 12

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.	49152
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.	Qwen_Qwen3-30B-A3B-Instruct-2507-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

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Qwen3-30B-A3B-Instruct-2507 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 GeForce RTX 5090 1.671,0 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.658,1 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.515,7 tok/sNVIDIA GeForce RTX 3090 Ti 905,1 tok/sAMD Radeon PRO W7900 Dual Slot 264,2 tok/s★ NVIDIA GB10 (DGX Spark) 169,9 tok/s dieser LaufNVIDIA GeForce RTX 5070 Ti 152,7 tok/sIntel Arc Pro B70 143,6 tok/sAMD Radeon 8060S Graphics 107,6 tok/sAMD Radeon AI PRO R9700 97,6 tok/sCPU-only 7,1 tok/s

CPUnach Prozessor

AMD Ryzen 7 5800X3D 8-Core Processor 1.671,0 tok/sAMD Ryzen 9 9950X 16-Core Processor 1.658,1 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.515,7 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 905,1 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 264,2 tok/s★ NVIDIA Grace 169,9 tok/s dieser LaufAMD Ryzen 9 7945HX with Radeon Graphics 143,6 tok/sAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 107,6 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 97,6 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 7,1 tok/s

MBnach Mainboard

ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.671,0 tok/sASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.658,1 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.515,7 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 905,1 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 264,2 tok/s★ ASUSTeK COMPUTER INC. GX10 169,9 tok/s dieser LaufShenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series) 143,6 tok/sBosgame AXB35-02 (BeyondMax Series) 107,6 tok/sDell Inc. PowerEdge R820 7,1 tok/s

ENGnach Engine

★ llama.cpp 1.671,0 tok/s dieser LaufvLLM 961,5 tok/sunbekannt 97,6 tok/s

DRVnach Treiber

unbekannt 1.671,0 tok/s★ NVIDIA 590.48.01 / CUDA 13.1 169,9 tok/s dieser LaufIntel 26.18.38308.4 143,6 tok/sAMD 7.0.0-27-generic 97,6 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 15 W

⚡ TDP 140 W

☁️ Externes LLM (API) anzeigen

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

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)140 W geschätzt (TDP)GPU 140 W Volllast

Ø-Kosten / Stunde0,042 EUR

Strom / 1 Mio. Token0,069 EUR

Token / kWh4,37 Mio.

Anschaffung (System)5.800 EUR TeilpreisGPU 4.000 EUR · RAM 1.680 EUR · Netzteil 120 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)6.536 EUR

Output-Token (2 Jahre)10,72 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 (15 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

	Qwen3-30B-A3B-Instruct-2507NVIDIA GB10 (DGX Spark)	Qwen3-30B-A3B-Instruct-2507NVIDIA GeForce RTX 5090	Qwen3-30B-A3B-Instruct-2507NVIDIA RTX PRO 6000 Blackwell Workstation Edition	Qwen3-30B-A3B-Instruct-25073x 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)	–	–	–	–

NVIDIA GB10 (DGX Spark) · dieser Lauf 170 tok/s NVIDIA GeForce RTX 5090 1.671 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.658 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.516 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.