# LLM-Benchmark Konfiguration # Modell : Qwen3-4B # Engine : llama.cpp # Run-ID : run-20260922-071040-2c32c1 # GPU : AMD Radeon AI PRO R9700 # CPU : AMD Ryzen 3 3100 4-Core Processor # RAM : 31 GB bench@llm-benchmark:~$ llama-server \ -m /home/godcore/models/Qwen3-4B-Q8_0.gguf \ --alias Qwen3-4B \ -ngl 999 \ -fa on \ -c 49152 \ -np 12 '(AMD' Radeon AI PRO R9700, ROCm 7.2.4, 'HIP_VISIBLE_DEVICES=0)'

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
Modellalias?Der Name, unter dem das Modell ueber die API angesprochen wird. Genau dieser Wert muss im Request-Feld 'model' stehen.	Qwen3-4B
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.	/home/godcore/models/Qwen3-4B-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
fa	on
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	49152
np	12

All benchmarks of this model To leaderboard

Model comparison

Qwen3-4B 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

★ AMD Radeon AI PRO R9700 325,2 tok/s this run

CPUby processor

★ AMD Ryzen 3 3100 4-Core Processor 325,2 tok/s this run

MBby mainboard

★ ASUSTeK COMPUTER INC. ROG STRIX X570-F GAMING 325,2 tok/s this run

ENGby engine

★ llama.cpp 325,2 tok/s this run

DRVby driver

unbekannt 325,2 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 20 W

⚡ TDP 300 W

☁️ External LLM (API) show

Input €/1M Output €/1M Input per output token

Electricity0.30 EUR/kWh

Avg power (incl. idle)300 W estimated (TDP)GPU 300 W full load

Avg cost / hourEUR 0.090

Electricity / 1M tokensEUR 0.29

Token / kWh1.02M

Acquisition (system)EUR 1,520 partial priceGPU EUR 1,400 · PSU EUR 120

Electricity (2 years)–

TCO (2 years)EUR 3,097

Output tokens (2 years)5.37B

☁️ 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 (20 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

	Qwen3-4BAMD Radeon AI PRO R9700
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 AI PRO R9700 · this run 85 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.