⚠

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

Generation902,92tok/s

Prefill0,00tok/s

Time to First Token226,50ms

Gesamtdauer23,46s

Concurrency10parallel

Einordnung im Feld

Diese GPU Alle GPUs

93von 182 Systemen

Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 10× parallel

Dieser Lauf ist besser als 49 % aller vergleichbaren Systeme.

Generation 902,9 tok/s

-6 % vs Ø 963,8

Prefill 0,0 tok/s

-100 % vs Ø 7.692,5

Time to First Token 227 ms

-99 % vs Ø 19.783

Verteilung im Feld19 – 2.144 tok/s

Ø 964 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

gemma-4-E2B-it3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-184456-d87c73

2.143,6 tok/s

Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-0aed86

1.937,7 tok/s

Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-8db0fa

1.911,6 tok/s

Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260727-181606-e0eafd

1.897,0 tok/s

gpt-oss-20b3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-034052-26063b

1.835,7 tok/s

Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-a77046

1.830,3 tok/s

gpt-oss-20b3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-032121-c6e7e0

1.819,5 tok/s

gpt-oss-20b3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-032121-2b99aa

1.802,0 tok/s

Ornith-1.0-35B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260731-071556-e9a354

1.799,4 tok/s

gpt-oss-20b3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-032120-1cc62d

1.742,1 tok/s

Nemotron-Cascade-2-30B-A3B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-105340-3fa079

1.655,2 tok/s

Nemotron-3-Nano-30B-A3B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-105341-be087a

1.654,6 tok/s

Nemotron-3-Nano-Omni-30B-A3B-Reasoning3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-105340-2fab14

1.651,0 tok/s

Nemotron-Cascade-2-30B-A3B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-105340-b8a790

1.650,7 tok/s

Kolibri-1 dieser LaufNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20261008-125923-a89a73

902,9 tok/s

Wie schlägt sich dieser Benchmark mit anderen GPUs?

Dasselbe Modell auf anderer Hardware · 10× parallel · Generation (tok/s)

NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20261008-165122-a01d89

1.044,4 tok/s

NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition dieser Laufrun-20261008-125923-a89a73

902,9 tok/s

NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20261008-125923-9944e5

846,6 tok/s

NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20261008-125923-009157

833,0 tok/s

AMD Radeon 8060S Graphicsrun-20261008-165122-05f32b

158,2 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
Quantisierung: -
Modell: Kolibri-1

Konfiguration

benchmark-konfiguration — run-20261008-125923-a89a73

# LLM-Benchmark Konfiguration # Modell : Kolibri-1 # Engine : vLLM # Run-ID : run-20261008-125923-a89a73 # 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

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Kolibri-1 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 1.044,4 tok/s dieser LaufAMD Radeon 8060S Graphics 158,2 tok/s

CPUnach Prozessor

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

MBnach Mainboard

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

ENGnach Engine

unbekannt 1.044,4 tok/s★ vLLM 902,9 tok/s dieser Lauf

DRVnach Treiber

unbekannt 1.044,4 tok/s

💰 Economics

Wirtschaftlichkeit dieses Laufs

Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (10× 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 30 W

⚡ TDP 300 W

☁️ Externes LLM (API) anzeigen

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

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)300 W geschätzt (TDP)GPU 300 W Volllast

Ø-Kosten / Stunde0,090 EUR

Strom / 1 Mio. Token0,028 EUR

Token / kWh10,84 Mio.

Anschaffung (System)13.120 EUR TeilpreisGPU 13.000 EUR · Netzteil 120 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)14.697 EUR

Output-Token (2 Jahre)56,95 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 (30 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

	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
Kosten Strom (24 Mon.)	–	–	–	–
Kosten Anschaffung	–	–	–	–
Kosten Gesamt (TCO)	–	–	–	–
Generierte Token (24 Mon.)	–	–	–	–
Tokenpreis bei API	–	–	–	–
Break-Even-Point (Tage)	–	–	–	–
Ergebnis (Ersparnis / Ausgabe)	–	–	–	–

NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · dieser Lauf 903 tok/s NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.044 tok/s NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 847 tok/s AMD Radeon 8060S Graphics 158 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.