Beigesteuert vonMario AlkaQwen (Alibaba) Qwen3-Coder-30B-A3B-Instruct
Performancebenchmark · gemessen am 20.08.2026 20:27
Benchmark-ID
run-20260820-205402-6695a4Timebench 3 - Kombi (Prefill + Generation)MoE30BRuntime: llama.cppQuantisierung: Q4_K_M
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.
Generation86,23tok/s
Prefill2.963,24tok/s
Time to First Token824,00ms
Gesamtdauer25,40s
Concurrency1parallel
Einordnung im Feld
326von 1161 Systemen
Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 1× parallel
Dieser Lauf ist besser als 72 % aller vergleichbaren Systeme.
Generation
86,2 tok/s
+16 % vs Ø 74,3
Prefill
2.963,2 tok/s
+27 % vs Ø 2.324,7
Time to First Token
824 ms
-98 % vs Ø 35.657
Verteilung im Feld0 – 405 tok/s
Wie schlägt sich dieser Benchmark mit anderen Modellen?
gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260724-004608-16af9b
404,6 tok/s
gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260730-035052-9f766a
395,2 tok/s
Nemotron-3-Nano-4BNVIDIA GeForce RTX 5090 · run-20260728-194135-d456e7
393,5 tok/s
Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181607-bffb11
393,5 tok/s
gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260724-004607-29bd16
388,9 tok/s
gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260729-032121-1c779f
388,2 tok/s
gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181606-6ea089
378,6 tok/s
gemma-4-E2B-itNVIDIA GeForce RTX 5090 · run-20260728-184455-e8b129
377,6 tok/s
Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-ac388e
362,3 tok/s
Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-5e5085
361,4 tok/s
Nemotron-3-Nano-30B-A3BNVIDIA GeForce RTX 5090 · run-20260729-105335-653788
359,4 tok/s
Nemotron-3-Nano-Omni-30B-A3B-ReasoningNVIDIA GeForce RTX 5090 · run-20260729-105334-2c4905
359,3 tok/s
Nemotron-Cascade-2-30B-A3BNVIDIA GeForce RTX 5090 · run-20260729-105334-44d1e7
359,0 tok/s
Nemotron-3-Nano-Omni-30B-A3B-ReasoningNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260729-032119-4852bf
357,1 tok/s
Qwen3-Coder-30B-A3B-Instruct dieser LaufNVIDIA GB10 · run-20260820-205402-6695a4
86,2 tok/s
Wie schlägt sich dieser Benchmark mit anderen GPUs?
Dasselbe Modell auf anderer Hardware · 1× parallel · Generation (tok/s)
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260729-032124-ac5167
311,3 tok/s
NVIDIA GeForce RTX 5090run-20260729-105335-497cfe
309,3 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105342-24a323
273,6 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105342-8166ac
272,2 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105342-781ac2
271,6 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260724-004605-d79930
237,2 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260729-060804-5f5c60
198,4 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260724-004603-963be0
171,7 tok/s
AMD Radeon PRO W7900 Dual Slotrun-20260817-133237-756b7e
105,4 tok/s
2× AMD Radeon PRO W7900 Dual Slotrun-20260818-144651-b17f2e
100,1 tok/s
4× AMD Radeon AI PRO R9700run-20260817-111921-595b85
99,0 tok/s
3× AMD Radeon AI PRO R9700run-20260722-165907-0a4b43
88,2 tok/s
3× AMD Radeon AI PRO R9700run-20260722-165906-d51489
88,2 tok/s
2× AMD Radeon PRO W7900 Dual Slotrun-20260818-144651-c5f0b4
88,1 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-Coder-30B-A3B-Instruct
Konfiguration
# LLM-Benchmark Konfiguration
# Modell : Qwen3-Coder-30B-A3B-Instruct
# Engine : llama.cpp
# Run-ID : run-20260820-205402-6695a4
# GPU : NVIDIA GB10
# CPU : NVIDIA Grace
# RAM : 120 GB
bench@llm-benchmark:~$ /home/godcore/llama.cpp/build/bin/llama-server \
-m Qwen3-Coder-30B-A3B-Instruct-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. | Qwen3-Coder-30B-A3B-Instruct-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 |
Anzeige
Modell-Vergleich
Qwen3-Coder-30B-A3B-Instruct 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 1.716,6 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.690,0 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.545,3 tok/sNVIDIA GeForce RTX 3090 Ti 928,5 tok/sAMD Radeon PRO W7900 Dual Slot 277,0 tok/s★ NVIDIA GB10 (DGX Spark) 182,9 tok/s dieser LaufNVIDIA GeForce RTX 5070 Ti 157,0 tok/sAMD Radeon AI PRO R9700 99,0 tok/sCPU-only 6,7 tok/s
CPUnach Prozessor
AMD Ryzen 7 5800X3D 8-Core Processor 1.716,6 tok/sAMD Ryzen 9 9950X 16-Core Processor 1.690,0 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.545,3 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 928,5 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 277,0 tok/s★ NVIDIA Grace 182,9 tok/s dieser LaufAMD Ryzen Threadripper PRO 7955WX 16-Cores 99,0 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 6,7 tok/s
MBnach Mainboard
ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.716,6 tok/sASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.690,0 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.545,3 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 928,5 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 277,0 tok/s★ ASUSTeK COMPUTER INC. GX10 182,9 tok/s dieser LaufDell Inc. PowerEdge R820 6,7 tok/s
DRVnach Treiber
unbekannt 1.716,6 tok/s★ NVIDIA 590.48.01 / CUDA 13.1 182,9 tok/s dieser LaufAMD 7.0.0-27-generic 88,2 tok/s
💰 Economics
Wirtschaftlichkeit dieses Laufs
Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (1× parallel). Methodik →
⚙️ KonfigurationAlle Kennzahlen und Diagramme unten folgen diesen Einstellungen – bezogen auf 24 Monate Laufzeit.In URL übernehmenZurücksetzen
⚡ Strompreis
EUR/kWh
⚙️ System-Auslastung
100 %
🖥️ Anschaffung
EUR
🔌 Idle
15 W
⚡ TDP
140 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)140 W geschätzt (TDP)GPU 140 W Volllast
Ø-Kosten / Stunde0,042 EUR
Strom / 1 Mio. Token0,14 EUR
Token / kWh2,22 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)5,44 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-Coder-30B-A3B-InstructNVIDIA GB10 (DGX Spark) | Qwen3-Coder-30B-A3B-InstructNVIDIA RTX PRO 6000 Blackwell Workstation Edition | Qwen3-Coder-30B-A3B-InstructNVIDIA GeForce RTX 5090 | Qwen3-Coder-30B-A3B-Instruct3x 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 86 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 311 tok/sNVIDIA GeForce RTX 5090 309 tok/s3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 274 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.