# 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
np	10
execution_type	local

All benchmarks of this model To leaderboard

Model comparison

Step-3.5-Flash 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 RX 7900 XTX 16,8 tok/s this run

CPUby processor

★ AMD Ryzen Threadripper PRO 3955WX 16-Cores 16,8 tok/s this run

MBby mainboard

★ ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 16,8 tok/s this run

ENGby engine

★ llama.cpp 16,8 tok/s this run

DRVby driver

unbekannt 16,8 tok/s

💰 Economics

Economics of this run

Operating cost, TCO and comparison with the next-best runs of the same model at identical concurrency (5× 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 10 W

⚡ TDP 720 W

☁️ External LLM (API) show

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

Electricity0.30 EUR/kWh

Avg power (incl. idle)720 W estimated (TDP)GPU 710 + Board 10 W full load

Avg cost / hourEUR 0.22

Electricity / 1M tokensEUR 3.58

Token / kWh83.90K

Acquisition (system)EUR 3,790 partial priceGPU EUR 2,098 · RAM EUR 1,512 · PSU EUR 180

Electricity (2 years)–

TCO (2 years)EUR 7,574

Output tokens (2 years)1.06B

☁️ 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 (10 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

	Step-3.5-Flash2x AMD Radeon RX 7900 XTX
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)	–

2× AMD Radeon RX 7900 XTX · this run 17 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.