# LLM-Benchmark Konfiguration # Modell : Nemotron-3-Nano-Omni-30B-A3B-Reasoning # Engine : llama.cpp # Run-ID : run-20260828-084107-7e4501 # GPU : 2x NVIDIA RTX A6000 # CPU : AMD Ryzen Threadripper PRO 7955WX 16-Cores # RAM : 184 GB bench@llm-benchmark:~$ /home/godcore/llama.cpp/build/bin/llama-server \ -m NVIDIA-Nemotron-3-Nano-Omni-30B-A3B-Reasoning-UD-Q4_K_M.gguf \ -ngl 999 \ -fa on \ -c 32768 \ -np 8 \ -sm layer '(2x' RTX A6000 '48GB)'

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.	32768
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.	NVIDIA-Nemotron-3-Nano-Omni-30B-A3B-Reasoning-UD-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.	32768
np	8
Split-Mode?Verteilung ueber mehrere GPUs: none (nur eine GPU), layer (Layer aufteilen) oder row (Tensoren zeilenweise).	layer

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Nemotron-3-Nano-Omni-30B-A3B-Reasoning 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 1.791,5 tok/sNVIDIA GeForce RTX 5090 1.706,7 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.651,0 tok/sNVIDIA GeForce RTX 3090 Ti 896,6 tok/s★ NVIDIA RTX A6000 527,0 tok/s dieser LaufNVIDIA GeForce RTX 5070 Ti 262,5 tok/sAMD Radeon AI PRO R9700 122,4 tok/s

CPUnach Prozessor

AMD Ryzen 9 9950X 16-Core Processor 1.791,5 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 1.706,7 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.651,0 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 896,6 tok/s★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 527,0 tok/s dieser LaufAMD Ryzen Threadripper PRO 5975WX 32-Cores 262,5 tok/s

MBnach Mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.791,5 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.706,7 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.651,0 tok/s dieser LaufMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 896,6 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 262,5 tok/s

ENGnach Engine

★ llama.cpp 1.791,5 tok/s dieser LaufvLLM 527,0 tok/s

DRVnach Treiber

unbekannt 1.791,5 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 übernehmen Zurücksetzen

⚡ Strompreis EUR/kWh

⚙️ System-Auslastung 100 %

🖥️ Anschaffung EUR

🔌 Idle 95 W

⚡ TDP 671 W

☁️ Externes LLM (API) anzeigen

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

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)671 W geschätzt (TDP)GPU 600 + CPU 46 + Board 25 W Volllast

Ø-Kosten / Stunde0,20 EUR

Strom / 1 Mio. Token0,35 EUR

Token / kWh859,28 Tsd.

Anschaffung (System)11.454 EUR VollpreisGPU 6.000 EUR · CPU 1.399 EUR · Board 1.299 EUR · RAM 2.576 EUR · Netzteil 180 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)14.981 EUR

Output-Token (2 Jahre)10,10 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 (95 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-Omni-30B-A3B-Reasoning2x NVIDIA RTX A6000	Nemotron-3-Nano-Omni-30B-A3B-ReasoningNVIDIA GeForce RTX 5090	Nemotron-3-Nano-Omni-30B-A3B-ReasoningNVIDIA RTX PRO 6000 Blackwell Workstation Edition	Nemotron-3-Nano-Omni-30B-A3B-Reasoning3x 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 RTX A6000 · dieser Lauf 160 tok/s NVIDIA GeForce RTX 5090 359 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 357 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 331 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.