# LLM-Benchmark Konfiguration # Modell : Ling-3.0-flash # Engine : llama.cpp # Run-ID : run-20260925-112847-06468a # GPU : 2x AMD Radeon RX 7900 XTX # CPU : AMD Ryzen Threadripper PRO 3955WX 16-Cores # RAM : 63 GB bench@llm-benchmark:~$ llama-server \ -m ling-3.0-flash-Q4_K_M.gguf \ --alias Ling-3.0-flash \ -ngl 99 \ --n-cpu-moe 32 \ -fa on \ -c 8192 \ -np 1 '(ai-003' 2x RX 7900 XTX 'ROCm)'

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.	Ling-3.0-flash
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	8192
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.	ling-3.0-flash-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.	99
n-cpu-moe	32
fa	on
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	8192
np	1
execution_type	local

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Ling-3.0-flash 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 Max-Q Workstation Edition 697,4 tok/sNVIDIA RTX A6000 388,1 tok/sNVIDIA DGX SPARK (GB10) 253,7 tok/sAMD Radeon PRO W7900 Dual Slot 165,7 tok/sAMD Radeon AI PRO R9700 160,2 tok/s★ AMD Radeon RX 7900 XTX 133,0 tok/s dieser Lauf

CPUnach Prozessor

AMD Ryzen 9 7945HX with Radeon Graphics 697,4 tok/sAMD EPYC 7203P 8-Core Processor 388,1 tok/sNVIDIA Grace 253,7 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 165,7 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 160,2 tok/s★ AMD Ryzen Threadripper PRO 3955WX 16-Cores 133,0 tok/s dieser LaufIntel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 14,9 tok/s

MBnach Mainboard

Shenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series) 697,4 tok/sASRockRack ROMED8-2T/BCM 388,1 tok/sASUSTeK COMPUTER INC. GX10 253,7 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 194,7 tok/s dieser LaufASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 160,2 tok/sDell Inc. PowerEdge R820 14,9 tok/s

ENGnach Engine

vLLM 697,4 tok/s★ llama.cpp 253,7 tok/s dieser Lauf

DRVnach Treiber

unbekannt 697,4 tok/sNVIDIA 590.48.01 / CUDA 13.1 253,7 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 10 W

⚡ TDP 720 W

☁️ Externes LLM (API) anzeigen

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

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)720 W geschätzt (TDP)GPU 710 + Board 10 W Volllast

Ø-Kosten / Stunde0,22 EUR

Strom / 1 Mio. Token5,37 EUR

Token / kWh55,90 Tsd.

Anschaffung (System)2.782 EUR TeilpreisGPU 2.098 EUR · RAM 504 EUR · Netzteil 180 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)6.566 EUR

Output-Token (2 Jahre)705,14 Mio.

☁️ 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 (10 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

	Ling-3.0-flash2x AMD Radeon RX 7900 XTX	Ling-3.0-flashNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	Ling-3.0-flash2x NVIDIA RTX A6000	Ling-3.0-flash2x NVIDIA RTX A6000
Kosten Strom (24 Mon.)	–	–	–	–
Kosten Anschaffung	–	–	–	–
Kosten Gesamt (TCO)	–	–	–	–
Generierte Token (24 Mon.)	–	–	–	–
Tokenpreis bei API	–	–	–	–
Break-Even-Point (Tage)	–	–	–	–
Ergebnis (Ersparnis / Ausgabe)	–	–	–	–

2× AMD Radeon RX 7900 XTX · dieser Lauf 11 tok/s NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 127 tok/s 2× NVIDIA RTX A6000 100 tok/s 2× NVIDIA RTX A6000 90 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.