# LLM-Benchmark Konfiguration # Modell : gemma-4-E4B-it # Engine : llama.cpp # Run-ID : run-20260820-205403-ac58c9 # 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 gemma-4-E4B-it-Q8_0.gguf \ -ngl 999 \ -ts 1,1 \ -fa on \ -c 48000 \ -np 10

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.	48000
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.	gemma-4-E4B-it-Q8_0.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.	48000
np	10

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

gemma-4-E4B-it 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 1.758,6 tok/sNVIDIA GeForce RTX 5090 1.606,1 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.423,3 tok/sNVIDIA GeForce RTX 5070 Ti 1.082,4 tok/sNVIDIA GeForce RTX 3090 Ti 983,7 tok/sNVIDIA GB10 (DGX Spark) 488,2 tok/sIntel Arc Pro B70 474,8 tok/s★ NVIDIA GeForce RTX 2060 133,7 tok/s dieser LaufNVIDIA Tesla P100 PCIe 16GB 97,1 tok/s

CPUnach Prozessor

AMD Ryzen 9 9950X 16-Core Processor 1.758,6 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 1.606,1 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.423,3 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 1.082,4 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 983,7 tok/sNVIDIA Grace 488,2 tok/sAMD Ryzen 9 7945HX with Radeon Graphics 474,8 tok/sAMD Ryzen 5 5600X 6-Core Processor 346,3 tok/s★ Intel(R) Core(TM) i5-7400 CPU @ 3.00GHz 133,7 tok/s dieser Lauf

MBnach Mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.758,6 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.606,1 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.423,3 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 1.082,4 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 983,7 tok/sASUSTeK COMPUTER INC. GX10 488,2 tok/sShenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series) 474,8 tok/sASUSTeK COMPUTER INC. PRIME A520M-K 346,3 tok/s★ ASRock H110 Pro BTC+ 133,7 tok/s dieser LaufShenzhen Meigao Electronic Equipment Co.,Ltd F1FXM (DeskMini Series) 97,1 tok/s

ENGnach Engine

★ llama.cpp 1.758,6 tok/s dieser LaufvLLM 1.022,8 tok/s

DRVnach Treiber

unbekannt 1.758,6 tok/sNVIDIA 590.48.01 / CUDA 13.1 488,2 tok/sIntel 26.18.38308.4 474,8 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 %

🔌 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)7,89 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

	gemma-4-E4B-it2x NVIDIA GeForce RTX 2060	gemma-4-E4B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition	gemma-4-E4B-itNVIDIA GeForce RTX 5090	gemma-4-E4B-it3x 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 125 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.759 tok/s NVIDIA GeForce RTX 5090 1.606 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.423 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.