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.

Generation26,92tok/s

Prefill1.781,23tok/s

Time to First Token1.085,50ms

Total duration78,26s

Concurrency1parallel

Ranking in the field

This GPU All GPUs

725of 1161 systems

Performance benchmark · Primary metric: Generation-Speed (tok/s) · 1× concurrent

This run is better than 38 % of all comparable systems.

Generation 26,9 tok/s

-64 % vs Ø 74,3

Prefill 1.781,2 tok/s

-23 % vs Ø 2.324,7

Time to First Token 1.086 ms

-97 % vs Ø 35.657

Distribution in the field0 – 405 tok/s

Ø 74 Median Dieser Lauf

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

Qwen3.6-35B-A3B this runAMD Radeon 8060S Graphics · run-20260821-053525-989728

26,9 tok/s

How does this benchmark compare on other GPUs?

Same model on different hardware · 1× concurrent · Generation (tok/s)

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260729-032129-9a4f52

267,1 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260731-071556-663768

243,4 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260731-071555-e55e07

228,7 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260731-071555-c7eec3

223,1 tok/s

NVIDIA GeForce RTX 5090run-20260731-071557-78f69d

208,5 tok/s

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260724-083000-d5c2ec

195,0 tok/s

NVIDIA GeForce RTX 3090 Tirun-20260729-105337-6a9108

164,0 tok/s

NVIDIA GeForce RTX 3090 Tirun-20260731-084840-1166d8

162,4 tok/s

NVIDIA GeForce RTX 3090 Tirun-20260804-052131-5d515f

162,2 tok/s

NVIDIA GB10run-20260809-110710-d6b1e3

101,2 tok/s

NVIDIA GB10run-20260809-110710-a1889b

100,6 tok/s

NVIDIA GB10run-20260809-110710-c441e7

93,0 tok/s

AMD Radeon PRO W7900 Dual Slotrun-20260817-133237-fe8384

89,4 tok/s

AMD Radeon PRO W7900 Dual Slotrun-20260817-120413-5cfa61

88,5 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-20260821-053525-989728

# LLM-Benchmark Konfiguration # Modell : Qwen3.6-35B-A3B # Engine : vLLM # Run-ID : run-20260821-053525-989728 # 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 (1× 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 0.37

Token / kWh807.60K

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)1.70B

☁️ 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-A3B3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition
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 27 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 267 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 243 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 229 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.