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

Generation63,59tok/s

Prefill1.699,53tok/s

Time to First Token1.520,00ms

Gesamtdauer35,25s

Concurrency1parallel

Einordnung im Feld

Diese GPU Alle GPUs

778von 1808 Systemen

Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 1× parallel

Dieser Lauf ist besser als 57 % aller vergleichbaren Systeme.

Generation 63,6 tok/s

-18 % vs Ø 77,1

Prefill 1.699,5 tok/s

-40 % vs Ø 2.836,4

Time to First Token 1.520 ms

-94 % vs Ø 25.162

Verteilung im Feld0 – 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

Qwen3.5-35B-A3B dieser Lauf2× 2x AMD Radeon RX 7900 XTX · run-20261009-081232-630179

63,6 tok/s

Wie schlägt sich dieser Benchmark mit anderen GPUs?

Dasselbe Modell auf anderer Hardware · 1× parallel · Generation (tok/s)

NVIDIA GeForce RTX 5090run-20260730-204032-5759ff

253,8 tok/s

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260729-032128-e3c327

247,4 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260730-204032-db4424

239,9 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260801-072828-90b937

239,4 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260731-071555-80fc8d

207,5 tok/s

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260724-082959-ff0f63

195,5 tok/s

2× NVIDIA RTX A6000run-20260830-001324-9a4ab5

172,5 tok/s

NVIDIA GeForce RTX 3090 Tirun-20260729-105336-390bc6

161,9 tok/s

2× NVIDIA RTX A6000run-20260829-152523-121186

156,2 tok/s

2× NVIDIA RTX A6000run-20260827-175312-6d6396

155,2 tok/s

2× NVIDIA RTX A6000run-20260830-054329-97951f

153,2 tok/s

2× NVIDIA RTX A6000run-20260828-105211-1cab9c

152,8 tok/s

NVIDIA RTX A6000run-20260826-152552-6ef37d

144,0 tok/s

2× NVIDIA RTX A6000run-20260827-111923-5c45c4

142,3 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: Qwen3.5-35B-A3B

Konfiguration

benchmark-konfiguration — run-20261009-081232-630179

# LLM-Benchmark Konfiguration # Modell : Qwen3.5-35B-A3B # Engine : llama.cpp # Run-ID : run-20261009-081232-630179 # 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 Qwen_Qwen3.5-35B-A3B-IQ4_XS.gguf \ --alias Qwen3.5-35B-A3B \ -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.	Qwen3.5-35B-A3B
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.	Qwen_Qwen3.5-35B-A3B-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

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Qwen3.5-35B-A3B 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 1.520,4 tok/sNVIDIA GeForce RTX 5090 1.416,7 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.398,4 tok/sNVIDIA GeForce RTX 3090 Ti 866,1 tok/sNVIDIA RTX A6000 842,1 tok/s★ AMD Radeon RX 7900 XTX 447,0 tok/s dieser LaufAMD Radeon AI PRO R9700 220,5 tok/sAMD Radeon PRO W7900 Dual Slot 212,5 tok/sAMD Radeon PRO W7800 48GB 204,6 tok/sNVIDIA GeForce RTX 5070 Ti 142,2 tok/sNVIDIA GB10 (DGX Spark) 46,9 tok/s

CPUnach Prozessor

AMD Ryzen 9 9950X 16-Core Processor 1.520,4 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 1.416,7 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.398,4 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 866,1 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 842,1 tok/sAMD Ryzen Threadripper PRO 3955WX 16-Cores 447,0 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 212,5 tok/sAMD Ryzen 3 3100 4-Core Processor 210,1 tok/s★ Intel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 184,4 tok/s dieser LaufNVIDIA Grace 46,9 tok/s

MBnach Mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.520,4 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.416,7 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.398,4 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 866,1 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 447,0 tok/sASUSTeK COMPUTER INC. ROG STRIX X570-F GAMING 210,1 tok/s★ Dell Inc. PowerEdge R820 184,4 tok/s dieser LaufASUSTeK COMPUTER INC. GX10 46,9 tok/s

ENGnach Engine

★ llama.cpp 1.520,4 tok/s dieser LaufvLLM 1.028,6 tok/sunbekannt 78,5 tok/s

DRVnach Treiber

unbekannt 1.520,4 tok/sAMD 7.0.0-27-generic 78,5 tok/sNVIDIA 590.48.01 / CUDA 13.1 46,9 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 übernehmen Zurücksetzen

⚡ Strompreis EUR/kWh

⚙️ System-Auslastung 100 %

🖥️ Anschaffung EUR

🔌 Idle 35 W

⚡ TDP 749 W

☁️ Externes LLM (API) anzeigen

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

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. Token0,98 EUR

Token / kWh305,74 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)4,01 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

	Qwen3.5-35B-A3B2x AMD Radeon RX 7900 XTX	Qwen3.5-35B-A3BNVIDIA GeForce RTX 5090	Qwen3.5-35B-A3BNVIDIA RTX PRO 6000 Blackwell Workstation Edition	Qwen3.5-35B-A3B3x 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 64 tok/s NVIDIA GeForce RTX 5090 254 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 247 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 240 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.