Beigesteuert vonMario AlkaNVIDIA Llama-3.3-Nemotron-Super-49B-v1.5
Performancebenchmark · gemessen am 08.10.2026 15:47
Benchmark-ID
run-20261009-081233-72d841Timebench 3 - Kombi (Prefill + Generation)Dense49BRuntime: 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
Generation108,28tok/s
Prefill1.035,62tok/s
Time to First Token25.801,00ms
Gesamtdauer242,45s
Concurrency10parallel
Einordnung im Feld
104von 119 Systemen
Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 10× parallel
Dieser Lauf ist besser als 13 % aller vergleichbaren Systeme.
Generation
108,3 tok/s
-56 % vs Ø 246,2
Prefill
1.035,6 tok/s
-87 % vs Ø 7.915,5
Time to First Token
25.801 ms
-23 % vs Ø 33.707
Verteilung im Feld0 – 718 tok/s
Wie schlägt sich dieser Benchmark mit anderen Modellen?
Llama-3.2-1B-Instruct2× 2x AMD Radeon RX 7900 XTX · run-20260927-015653-08deac
717,6 tok/s
Llama-3.2-1B-Instruct2× 2x AMD Radeon RX 7900 XTX · run-20260927-001710-43cae4
696,8 tok/s
Llama-3.2-1B-Instruct2× 2x AMD Radeon RX 7900 XTX · run-20261008-105916-a4198f
609,5 tok/s
SmolLM2-1.7B-Instruct2× 2x AMD Radeon RX 7900 XTX · run-20260927-023029-102f1c
531,7 tok/s
Qwen3-0.6B2× 2x AMD Radeon RX 7900 XTX · run-20261008-105914-7362f8
480,5 tok/s
Laguna-XS-2.1AMD Radeon RX 7900 XTX · run-20260922-123035-7c2c68
468,6 tok/s
Llama-3.2-3B-Instruct2× 2x AMD Radeon RX 7900 XTX · run-20260927-015653-e563bf
465,7 tok/s
gemma-4-E2B-itAMD Radeon RX 7900 XTX · run-20260922-115730-2d5902
465,5 tok/s
gemma-4-E2B-itAMD Radeon RX 7900 XTX · run-20260922-115730-03c274
455,4 tok/s
Qwen-AgentWorld-35B-A3BAMD Radeon RX 7900 XTX · run-20260922-144315-669fca
451,0 tok/s
Qwen3.6-35B-A3BAMD Radeon RX 7900 XTX · run-20260922-140931-3239aa
450,5 tok/s
Qwen3.5-35B-A3BAMD Radeon RX 7900 XTX · run-20260922-133638-2aaab2
447,0 tok/s
Qwen3-1.7B2× 2x AMD Radeon RX 7900 XTX · run-20260926-214312-7124bb
445,2 tok/s
Qwen2.5-7B-Instruct2× 2x AMD Radeon RX 7900 XTX · run-20260926-171705-51cd01
442,0 tok/s
Llama-3.3-Nemotron-Super-49B-v1.5 dieser Lauf2× 2x AMD Radeon RX 7900 XTX · run-20261009-081233-72d841
108,3 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 Workstation Editionrun-20260729-032132-7e4eca
364,1 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260731-071559-4b3ef7
303,0 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260731-071559-f8cf32
291,2 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260731-071559-846bfa
249,3 tok/s
2× NVIDIA RTX A6000run-20260830-033127-b7ca45
197,3 tok/s
2× NVIDIA RTX A6000run-20260827-203813-b4c679
183,5 tok/s
2× NVIDIA RTX A6000run-20260828-020607-970912
154,0 tok/s
2× NVIDIA RTX A6000run-20260830-093432-76b060
153,6 tok/s
2× AMD Radeon RX 7900 XTX dieser Laufrun-20261009-081233-72d841
108,3 tok/s
AMD Radeon PRO W7900 Dual Slotrun-20260817-153343-c38135
71,0 tok/s
NVIDIA GeForce RTX 5070 Tirun-20260729-105334-640dbf
25,2 tok/s
NVIDIA GeForce RTX 5090run-20260731-071559-2ee795
20,2 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260729-122848-a31762
19,6 tok/s
3× AMD Radeon AI PRO R9700run-20260805-053413-3ffb32
11,4 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: Llama-3.3-Nemotron-Super-49B-v1.5
Konfiguration
# LLM-Benchmark Konfiguration
# Modell : Llama-3.3-Nemotron-Super-49B-v1.5
# Engine : llama.cpp
# Run-ID : run-20261009-081233-72d841
# 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_Llama-3_3-Nemotron-Super-49B-v1_5-IQ4_XS.gguf \
--alias Llama-3_3-Nemotron-Super-49B-v1_5 \
-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. | Llama-3_3-Nemotron-Super-49B-v1_5 |
| 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_Llama-3_3-Nemotron-Super-49B-v1_5-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
Llama-3.3-Nemotron-Super-49B-v1.5 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 364,1 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 303,0 tok/sNVIDIA RTX A6000 197,3 tok/s★ AMD Radeon RX 7900 XTX 108,3 tok/s dieser LaufAMD Radeon PRO W7900 Dual Slot 71,0 tok/sNVIDIA GeForce RTX 5070 Ti 25,2 tok/sNVIDIA GeForce RTX 5090 20,2 tok/sNVIDIA GeForce RTX 3090 Ti 19,6 tok/sAMD Radeon AI PRO R9700 11,6 tok/sNVIDIA GeForce RTX 2060 1,1 tok/s
CPUnach Prozessor
AMD Ryzen 9 9950X 16-Core Processor 364,1 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 303,0 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 197,3 tok/s★ Intel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 108,3 tok/s dieser LaufAMD Ryzen Threadripper PRO 5975WX 32-Cores 71,0 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 20,2 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 19,6 tok/s
MBnach Mainboard
ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 364,1 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 303,0 tok/s★ Dell Inc. PowerEdge R820 108,3 tok/s dieser LaufASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 71,0 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 20,2 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 19,6 tok/s
DRVnach Treiber
unbekannt 364,1 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 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. Token0,58 EUR
Token / kWh520,61 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)6,83 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
| Llama-3.3-Nemotron-Super-49B-v1.52x AMD Radeon RX 7900 XTX | Llama-3.3-Nemotron-Super-49B-v1.5NVIDIA RTX PRO 6000 Blackwell Workstation Edition | Llama-3.3-Nemotron-Super-49B-v1.53x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition | Llama-3.3-Nemotron-Super-49B-v1.53x 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 108 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 364 tok/s3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 303 tok/s3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 291 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.