Beigesteuert vonMario AlkaNVIDIA Nemotron-3-Nano-Omni-30B-A3B-Reasoning
Performancebenchmark · gemessen am 08.10.2026 10:37
Benchmark-ID
run-20261009-081230-662182Timebench 3 - Kombi (Prefill + Generation)MoE30BRuntime: llama.cppQuantisierung: Q4_K_M
ℹ
Öffentliche Anmerkung: Dell PowerEdge R820 . 2x AMD Radeon RX 7900 XTX (48 GB VRAM gesamt, ROCm/HIP) . RAM: 32x 16 GB SK Hynix DDR3-1600 ECC RDIMM (HMT42GR7AFR4A-PB) = 512 GB @ 1600 MT/s
Generation76,68tok/s
Prefill2.233,69tok/s
Time to First Token966,00ms
Gesamtdauer28,65s
Concurrency1parallel
Einordnung im Feld
672von 1808 Systemen
Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 1× parallel
Dieser Lauf ist besser als 63 % aller vergleichbaren Systeme.
Generation
76,7 tok/s
-1 % vs Ø 77,1
Prefill
2.233,7 tok/s
-21 % vs Ø 2.836,4
Time to First Token
966 ms
-96 % vs Ø 25.162
Verteilung im Feld0 – 405 tok/s
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-Reasoning gleiches ModellNVIDIA 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-Reasoning gleiches ModellNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260729-032119-4852bf
357,1 tok/s
Nemotron-3-Nano-Omni-30B-A3B-Reasoning dieser Lauf2× 2x AMD Radeon RX 7900 XTX · run-20261009-081230-662182
76,7 tok/s
Wie schlägt sich dieser Benchmark mit anderen GPUs?
Dasselbe Modell auf anderer Hardware · 1× parallel · Generation (tok/s)
NVIDIA GeForce RTX 5090run-20260729-105334-2c4905
359,3 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260729-032119-4852bf
357,1 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105339-e213a2
331,0 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105339-133b6a
330,1 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105340-0a8541
326,8 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260729-035835-89abde
221,8 tok/s
2× NVIDIA RTX A6000run-20260828-084107-7e4501
160,2 tok/s
2× NVIDIA RTX A6000run-20260830-015225-290f60
159,9 tok/s
NVIDIA RTX A6000run-20260826-131708-823486
146,2 tok/s
2× NVIDIA RTX A6000run-20260828-073525-4f434b
145,5 tok/s
2× NVIDIA RTX A6000run-20260829-212822-8a1077
145,2 tok/s
NVIDIA RTX A6000run-20260826-131708-6158f8
132,4 tok/s
2× NVIDIA RTX A6000run-20260827-024202-60bd13
129,4 tok/s
NVIDIA RTX A6000run-20260826-225451-804f23
120,9 tok/s
Hardware
GPU: 2x AMD Radeon RX 7900 XTX · 24 GB VRAM
CPU: 4x Intel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz
RAM: 504 GB
Mainboard: Dell Inc. PowerEdge R820
Setup
Runtime: llama.cpp
Quantisierung: Q4_K_M
Modell: Nemotron-3-Nano-Omni-30B-A3B-Reasoning
Konfiguration
# LLM-Benchmark Konfiguration
# Modell : Nemotron-3-Nano-Omni-30B-A3B-Reasoning
# Engine : llama.cpp
# Run-ID : run-20261009-081230-662182
# GPU : 2x AMD Radeon RX 7900 XTX
# CPU : 4x Intel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz
# RAM : 504 GB
bench@llm-benchmark:~$ llama-server \
-m NVIDIA-Nemotron-3-Nano-Omni-30B-A3B-Reasoning-UD-IQ4_XS.gguf \
--alias Nemotron-3-Nano-Omni-30B-A3B-Reasoning \
-ngl 999 \
-sm layer \
-fa on \
-c 40960 \
-np 10 '(2x' RX 7900 XTX ROCm/HIP, 'gpu)'
| 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. | Nemotron-3-Nano-Omni-30B-A3B-Reasoning |
| Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann. | 40960 |
| Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird. | NVIDIA-Nemotron-3-Nano-Omni-30B-A3B-Reasoning-UD-IQ4_XS.gguf |
| GPU-Layer?Anzahl der auf die GPU ausgelagerten Modell-Layer. Hoeher = mehr VRAM und schneller; der Rest laeuft auf der CPU. 999 = alles auf GPU. | 999 |
| Split-Mode?Verteilung ueber mehrere GPUs: none (nur eine GPU), layer (Layer aufteilen) oder row (Tensoren zeilenweise). | layer |
| fa | on |
| Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells. | 40960 |
| np | 10 |
| execution_type | local |
Anzeige
Modell-Vergleich
Nemotron-3-Nano-Omni-30B-A3B-Reasoning 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 Workstation Edition 1.791,5 tok/sNVIDIA GeForce RTX 5090 1.706,7 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.651,0 tok/sNVIDIA GeForce RTX 3090 Ti 896,6 tok/sNVIDIA RTX A6000 527,0 tok/sNVIDIA GeForce RTX 5070 Ti 262,5 tok/sAMD Radeon AI PRO R9700 122,4 tok/s★ AMD Radeon RX 7900 XTX 76,7 tok/s dieser Lauf
CPUnach Prozessor
AMD Ryzen 9 9950X 16-Core Processor 1.791,5 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 1.706,7 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.651,0 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 896,6 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 527,0 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 262,5 tok/s★ Intel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 76,7 tok/s dieser Lauf
MBnach Mainboard
ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.791,5 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.706,7 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.651,0 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 896,6 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 262,5 tok/s★ Dell Inc. PowerEdge R820 76,7 tok/s dieser Lauf
DRVnach Treiber
unbekannt 1.791,5 tok/s
💰 Economics
Wirtschaftlichkeit dieses Laufs
Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (1× 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
35 W
⚡ TDP
749 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)749 W geschätzt (TDP)GPU 710 + CPU 29 + Board 10 W Volllast
Ø-Kosten / Stunde0,22 EUR
Strom / 1 Mio. Token0,81 EUR
Token / kWh368,68 Tsd.
Anschaffung (System)4.353 EUR TeilpreisGPU 2.098 EUR · CPU 59 EUR · RAM 2.016 EUR · Netzteil 180 EUR
Stromkosten (2 Jahre)–
TCO (2 Jahre)8.288 EUR
Output-Token (2 Jahre)4,84 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 (35 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
| Nemotron-3-Nano-Omni-30B-A3B-Reasoning2x AMD Radeon RX 7900 XTX | Nemotron-3-Nano-Omni-30B-A3B-ReasoningNVIDIA GeForce RTX 5090 | Nemotron-3-Nano-Omni-30B-A3B-ReasoningNVIDIA RTX PRO 6000 Blackwell Workstation Edition | Nemotron-3-Nano-Omni-30B-A3B-Reasoning3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition | |
|---|---|---|---|---|
| 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 77 tok/sNVIDIA GeForce RTX 5090 359 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 357 tok/s3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 331 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.