# LLM-Benchmark Konfiguration # Modell : Qwen3.8-Flash-Next # Engine : llama.cpp # Run-ID : run-20261014-073140-ec35cc # GPU : 2x NVIDIA RTX A6000 # CPU : AMD EPYC 7203P 8-Core Processor # RAM : 126 GB bench@llm-benchmark:~$ llama-server \ --model /home/godcore/models/Qwen3.8-Flash-Next-UD-Q4_K_XL-00001-of-00004.gguf \ --n-cpu-moe 10 \ -ngl 99 \ -np 10 \ -c 40960

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.	Qwen3.8-Flash-Next
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.	/home/godcore/models/Qwen3.8-Flash-Next-UD-Q4_K_XL-00001-of-00004.gguf
n-cpu-moe	10
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.	99
np	10
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	40960
execution_type	local

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Qwen3.8-Flash-Next 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 1.564,6 tok/s★ NVIDIA RTX A6000 1.171,8 tok/s dieser LaufNVIDIA GeForce RTX 3090 1.132,7 tok/sNVIDIA GB10 (DGX Spark) 492,8 tok/sNVIDIA Tesla V100 PCIe 32GB 196,2 tok/sAMD Radeon RX 7900 XTX 18,7 tok/s

CPUnach Prozessor

AMD Ryzen 9 7945HX with Radeon Graphics 1.564,6 tok/sAMD Ryzen Threadripper PRO 3945WX 12-Cores 1.171,8 tok/sAMD Ryzen 5 5600X 6-Core Processor 1.132,7 tok/sNVIDIA Grace 492,8 tok/sAMD Ryzen 3 PRO 3200GE w/ Radeon Vega Graphics 196,2 tok/s★ AMD EPYC 7203P 8-Core Processor 79,2 tok/s dieser LaufIntel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 63,2 tok/sAMD Ryzen Threadripper PRO 3955WX 16-Cores 18,7 tok/s

MBnach Mainboard

Shenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series) 1.564,6 tok/sunbekannt 1.171,8 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.132,7 tok/sASUSTeK COMPUTER INC. GX10 492,8 tok/sASUSTeK COMPUTER INC. ROG STRIX X570-F GAMING 196,2 tok/s★ ASRockRack ROMED8-2T/BCM 79,2 tok/s dieser LaufDell Inc. PowerEdge R820 63,2 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 35,4 tok/s

ENGnach Engine

strata 1.564,6 tok/s★ llama.cpp 1.555,3 tok/s dieser Laufunbekannt 1.171,8 tok/svLLM 122,4 tok/s

DRVnach Treiber

unbekannt 1.564,6 tok/sNVIDIA 590.48.01 / CUDA 13.1 492,8 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 600 W

☁️ Externes LLM (API) anzeigen

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

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)600 W geschätzt (TDP)GPU 600 W Volllast

Ø-Kosten / Stunde0,18 EUR

Strom / 1 Mio. Token0,63 EUR

Token / kWh475,14 Tsd.

Anschaffung (System)6.180 EUR TeilpreisGPU 6.000 EUR · Netzteil 180 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)9.334 EUR

Output-Token (2 Jahre)4,99 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

	Qwen3.8-Flash-Next2x NVIDIA RTX A6000	Qwen3.8-Flash-NextNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	Qwen3.8-Flash-NextNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	Qwen3.8-Flash-NextNVIDIA RTX A6000
Kosten Strom (24 Mon.)	–	–	–	–
Kosten Anschaffung	–	–	–	–
Kosten Gesamt (TCO)	–	–	–	–
Generierte Token (24 Mon.)	–	–	–	–
Tokenpreis bei API	–	–	–	–
Break-Even-Point (Tage)	–	–	–	–
Ergebnis (Ersparnis / Ausgabe)	–	–	–	–

2× NVIDIA RTX A6000 · dieser Lauf 79 tok/s NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.565 tok/s NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.555 tok/s NVIDIA RTX A6000 1.172 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.