⚠

Configuration note: Es sind 2 Grafikkarten installiert, aber nur 1 wurde fuer diesen Lauf genutzt. Mit allen 2 GPUs koennte der Durchsatz deutlich hoeher liegen.

Generation168,71tok/s

Prefill0,00tok/s

Time to First Token159,50ms

Total duration10,25s

Concurrency1parallel

Ranking in the field

This GPU All GPUs

210of 1808 systems

Performance benchmark · Primary metric: Generation-Speed (tok/s) · 1× concurrent

This run is better than 88 % of all comparable systems.

Generation 168,7 tok/s

+119 % vs Ø 77,1

Prefill 0,0 tok/s

-100 % vs Ø 2.836,4

Time to First Token 160 ms

-99 % vs Ø 25.162

Distribution in the field0 – 405 tok/s

Ø 77 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260724-004608-16af9b

404,6 tok/s

gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260730-035052-9f766a

395,2 tok/s

Nemotron-3-Nano-4BNVIDIA GeForce RTX 5090 · run-20260728-194135-d456e7

393,5 tok/s

Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181607-bffb11

393,5 tok/s

gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260724-004607-29bd16

388,9 tok/s

gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260729-032121-1c779f

388,2 tok/s

gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181606-6ea089

378,6 tok/s

gemma-4-E2B-itNVIDIA GeForce RTX 5090 · run-20260728-184455-e8b129

377,6 tok/s

Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-ac388e

362,3 tok/s

Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-5e5085

361,4 tok/s

Nemotron-3-Nano-30B-A3BNVIDIA GeForce RTX 5090 · run-20260729-105335-653788

359,4 tok/s

Nemotron-3-Nano-Omni-30B-A3B-ReasoningNVIDIA GeForce RTX 5090 · run-20260729-105334-2c4905

359,3 tok/s

Nemotron-Cascade-2-30B-A3BNVIDIA GeForce RTX 5090 · run-20260729-105334-44d1e7

359,0 tok/s

Nemotron-3-Nano-Omni-30B-A3B-ReasoningNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260729-032119-4852bf

357,1 tok/s

Kolibri-1 this runNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20261008-125922-e38e5a

168,7 tok/s

How does this benchmark compare on other GPUs?

Same model on different hardware · 1× concurrent · Generation (tok/s)

NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20261008-125923-29fd03

171,5 tok/s

NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition this runrun-20261008-125922-e38e5a

168,7 tok/s

NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20261008-165122-8608d9

133,1 tok/s

NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20261008-125923-d6252f

130,9 tok/s

AMD Radeon 8060S Graphicsrun-20261008-165122-db9e4d

55,8 tok/s

Hardware

GPU: NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · 96 GB VRAM
CPU: AMD Ryzen 9 7945HX with Radeon Graphics
RAM: 60 GB
Mainboard: Shenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series)

Setup

Runtime: vLLM
Quantization: -
Model: Kolibri-1

Configuration

benchmark-konfiguration — run-20261008-125922-e38e5a

# LLM-Benchmark Konfiguration # Modell : Kolibri-1 # Engine : vLLM # Run-ID : run-20261008-125922-e38e5a # GPU : NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition # CPU : AMD Ryzen 9 7945HX with Radeon Graphics # RAM : 60 GB bench@llm-benchmark:~$ vllm serve \ --model /model \ --served-model-name Aleph-Alpha/Kolibri-1 \ --max-model-len 32768 \ --max-num-seqs 10 \ --gpu-memory-utilization 0.94 \ --kv-cache-dtype fp8 \ --reasoning-parser kolibri1 \ --tool-call-parser kolibri1 \ --enable-prefix-caching

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.	vllm
Modellalias?Der Name, unter dem das Modell ueber die API angesprochen wird. Genau dieser Wert muss im Request-Feld 'model' stehen.	Aleph-Alpha/Kolibri-1
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	32768
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.	Aleph-Alpha/Kolibri-1
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	32768
Max-Sequenzen?Maximale Anzahl gleichzeitig bearbeiteter Anfragen (Batch-Groesse). Hoeher = mehr Durchsatz, braucht aber mehr KV-Cache-Speicher.	10
GPU-Speicher?Anteil des GPU-Speichers (0 bis 1), den vLLM belegen darf. 0.92 = 92 %. Hoeher = mehr Platz fuer den KV-Cache (mehr/laengere parallele Anfragen), aber groesseres Risiko fuer 'Out of Memory'.	0.94
KV-Cache-Dtype?Datentyp des KV-Cache (auto, fp8). fp8 halbiert etwa den Cache-Speicher -> mehr und laengere parallele Anfragen bei minimalem Qualitaetsverlust.	fp8
Reasoning-Parser?Trennt den Denk-/Reasoning-Teil der Antwort vom eigentlichen Inhalt (z.B. bei Modellen mit <think>-Bloecken).	kolibri1
Tool-Parser?Bestimmt, wie vLLM Tool-Aufrufe aus der Modellantwort ausliest (z.B. hermes, mistral, llama3_json). Muss zum Modell passen.	kolibri1
Prefix-Caching?Speichert bereits berechnete Prompt-Anfaenge und verwendet sie wieder. Beschleunigt Anfragen mit gemeinsamem Praefix (z.B. gleicher System-Prompt) deutlich.	aktiv
execution_type	local

All benchmarks of this model To leaderboard

Model comparison

Kolibri-1 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

★ NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.044,4 tok/s this runAMD Radeon 8060S Graphics 158,2 tok/s

CPUby processor

★ AMD Ryzen 9 7945HX with Radeon Graphics 1.044,4 tok/s this runAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 158,2 tok/s

MBby mainboard

★ Shenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series) 1.044,4 tok/s this runMeigao Innovation Technology (Shen Zhen) Co., Ltd SHWSA (MS-S1 MAX) 158,2 tok/s

ENGby engine

unbekannt 1.044,4 tok/s★ vLLM 902,9 tok/s this run

DRVby driver

unbekannt 1.044,4 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 30 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 0.15

Token / kWh2.02M

Acquisition (system)EUR 13,120 partial priceGPU EUR 13,000 · PSU EUR 120

Electricity (2 years)–

TCO (2 years)EUR 14,697

Output tokens (2 years)10.64B

☁️ 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 (30 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

	Kolibri-1NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	Kolibri-1NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	Kolibri-1NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	Kolibri-1AMD Radeon 8060S Graphics
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)	–	–	–	–

NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · this run 169 tok/s NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 171 tok/s NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 133 tok/s AMD Radeon 8060S Graphics 56 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.