# LLM-Benchmark Konfiguration # Modell : glm-4.7-flash # Engine : llama.cpp # Run-ID : run-20260929-102001-050cf0 # GPU : 2x AMD Radeon RX 7900 XTX # CPU : AMD Ryzen Threadripper PRO 3955WX 16-Cores # RAM : 189 GB bench@llm-benchmark:~$ llama-server \ -m zai-org_GLM-4.7-Flash-Q4_K_M.gguf \ --alias glm-4.7-flash mode=gpu \ -c 24576 \ -np 10 '(2x' RX 7900 XTX + 196GB RAM 'Offload)'

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.	glm-4.7-flash
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	24576
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.	zai-org_GLM-4.7-Flash-Q4_K_M.gguf
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	24576
np	10
execution_type	local

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

glm-4.7-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

★ AMD Radeon RX 7900 XTX 151,7 tok/s dieser LaufNVIDIA GB10 (DGX Spark) 48,9 tok/s

CPUnach Prozessor

★ AMD Ryzen Threadripper PRO 3955WX 16-Cores 151,7 tok/s dieser LaufNVIDIA Grace 48,9 tok/s

MBnach Mainboard

★ ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 151,7 tok/s dieser LaufASUSTeK COMPUTER INC. GX10 48,9 tok/s

ENGnach Engine

★ llama.cpp 151,7 tok/s dieser LaufvLLM 48,9 tok/s

DRVnach Treiber

unbekannt 151,7 tok/sNVIDIA 590.48.01 / CUDA 13.1 48,9 tok/s

💰 Economics

Wirtschaftlichkeit dieses Laufs

Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (5× 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. Token0,58 EUR

Token / kWh515,30 Tsd.

Anschaffung (System)3.790 EUR TeilpreisGPU 2.098 EUR · RAM 1.512 EUR · Netzteil 180 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)7.574 EUR

Output-Token (2 Jahre)6,50 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 (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

	glm-4.7-flash2x AMD Radeon RX 7900 XTX
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 103 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.