Created bymario-alka.dePowered bygodcore.denoob2claw.detricoma.de
DEEN
Anmelden Registrieren
Beta
Beigesteuert vonMario AlkaStepFun

Step-3.5-Flash

Performancebenchmark · gemessen am 30.09.2026 18:11

Benchmark-IDrun-20260930-163153-abf239
Timebench 3 - Kombi (Prefill + Generation)Runtime: llama.cppQuantisierung: Q4_K_M
Generation16,78tok/s
Prefill164,68tok/s
Time to First Token73.137,00ms
Gesamtdauer355,78s
Concurrency5parallel
Einordnung im Feld
Diese GPUAlle GPUs
1237von 1360 Systemen

Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 5× parallel

Dieser Lauf ist besser als 9 % aller vergleichbaren Systeme.
Generation 16,8 tok/s
-93 % vs Ø 253,1
Prefill 164,7 tok/s
-97 % vs Ø 5.451,5
Time to First Token 73.137 ms
+155 % vs Ø 28.715
Verteilung im Feld0 – 1.349 tok/s
Ø 253 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181606-0adf6d
1.349,3 tok/s
gemma-4-E2B-itNVIDIA GeForce RTX 5090 · run-20260728-184455-5b4937
1.301,9 tok/s
gemma-4-E2B-it3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-184456-4111a9
1.195,7 tok/s
Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181607-30d864
1.188,7 tok/s
Nemotron-3-Nano-4BNVIDIA GeForce RTX 5090 · run-20260728-194135-5432cd
1.164,8 tok/s
gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260728-140954-9e81f9
1.136,3 tok/s
gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260730-035052-09627f
1.135,0 tok/s
gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260729-032121-058a31
1.113,5 tok/s
Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-836a91
1.090,6 tok/s
Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260727-181606-8b381e
1.077,4 tok/s
Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-b8a818
1.071,0 tok/s
Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-038e92
1.051,1 tok/s
gpt-oss-20b3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-032121-ffb18a
1.015,5 tok/s
Nemotron-3-Nano-30B-A3BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260729-032121-305ad6
1.007,8 tok/s
Step-3.5-Flash dieser Lauf2× 2x AMD Radeon RX 7900 XTX · run-20260930-163153-abf239
16,8 tok/s

Hardware

GPU: 2x AMD Radeon RX 7900 XTX · 24 GB VRAM
CPU: AMD Ryzen Threadripper PRO 3955WX 16-Cores
RAM: 189 GB
Mainboard: ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI

Setup

Runtime: llama.cpp
Quantisierung: Q4_K_M
Modell: Step-3.5-Flash

Konfiguration

benchmark-konfiguration — run-20260930-163153-abf239
# LLM-Benchmark Konfiguration # Modell : Step-3.5-Flash # Engine : llama.cpp # Run-ID : run-20260930-163153-abf239 # GPU : 2x AMD Radeon RX 7900 XTX # CPU : AMD Ryzen Threadripper PRO 3955WX 16-Cores # RAM : 189 GB bench@llm-benchmark:~$ llama-server \ -m stepfun-ai_Step-3.5-Flash-Q4_K_M-00001-of-00004.gguf \ --alias Step-3.5-Flash mode=moe \ -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.Step-3.5-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.stepfun-ai_Step-3.5-Flash-Q4_K_M-00001-of-00004.gguf
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.24576
np10
execution_typelocal

Alle Benchmarks dieses Modells Zum Leaderboard

Anzeige
Modell-Vergleich

Step-3.5-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

18,517,616,815,915,1151158164171Prefill (tok/s)Generation (tok/s)AMD Radeon RX 7900 XTX - 16,8 tok/s Generation, 161 tok/s Prefill, TTFT 74.043 ms (3 Laufe) | DIESER LAUF★ AMD Radeon RX 7900 XTX
★ AMD Radeon RX 7900 XTX 16,8 tok/s dieser Lauf

CPUnach Prozessor

18,517,616,815,915,1151158164171Prefill (tok/s)Generation (tok/s)AMD Ryzen Threadripper PRO 3955WX 16-Cores - 16,8 tok/s Generation, 161 tok/s Prefill, TTFT 74.043 ms (3 Laufe) | DIESER LAUF★ AMD Ryzen Threadrippe...
★ AMD Ryzen Threadripper PRO 3955WX 16-Cores 16,8 tok/s dieser Lauf

MBnach Mainboard

18,517,616,815,915,1151158164171Prefill (tok/s)Generation (tok/s)ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI - 16,8 tok/s Generation, 161 tok/s Prefill, TTFT 74.043 ms (3 Laufe) | DIESER LAUF★ ASUSTeK COMPUTER INC....
★ ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 16,8 tok/s dieser Lauf

ENGnach Engine

18,517,616,815,915,1151158164171Prefill (tok/s)Generation (tok/s)llama.cpp - 16,8 tok/s Generation, 161 tok/s Prefill, TTFT 74.043 ms (3 Laufe) | DIESER LAUF★ llama.cpp
★ llama.cpp 16,8 tok/s dieser Lauf

DRVnach Treiber

18,517,616,815,915,1151158164171Prefill (tok/s)Generation (tok/s)unbekannt - 16,8 tok/s Generation, 161 tok/s Prefill, TTFT 74.043 ms (3 Laufe)unbekannt
unbekannt 16,8 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 übernehmenZurücksetzen
⚡ Strompreis EUR/kWh
⚙️ System-Auslastung 100 %
🖥️ Anschaffung EUR
🔌 Idle 10 W
⚡ TDP 720 W
☁️ Externes LLM (API)
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. Token3,58 EUR
Token / kWh83,90 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)1,06 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

Step-3.5-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 17 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.