# LLM-Benchmark Konfiguration # Modell : Qwen3-0.6B # Engine : vLLM # Run-ID : run-20261020-051233-2dea1d # GPU : NVIDIA GeForce RTX 4090 # CPU : AMD Ryzen 3 3100 4-Core Processor # RAM : 61 GB bench@llm-benchmark:~$ /home/godcore/benchmark/vllm-env/bin/python \ -m vllm.entrypoints.openai.api_server \ --model /home/godcore/benchmark/model-cache/2a4df9b2f3602180 \ --served-model-name Qwen3-0.6B \ --host 0.0.0.0 \ --port 8000 \ --max-model-len 4096 \ --max-num-seqs 10 \ --max-num-batched-tokens 4096 \ --gpu-memory-utilization 0.90 \ --enforce-eager

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.	Qwen3-0.6B
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	4096
CUDA_VISIBLE_DEVICES	0
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.	/home/godcore/benchmark/model-cache/2a4df9b2f3602180
VLLM_USE_FLASHINFER_SAMPLER	0
Python-Modul?Startet vLLM als Python-Modul (python -m vllm.entrypoints.openai.api_server). Der folgende Wert ist der Modulname.	vllm.entrypoints.openai.api_server
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.	Qwen3-0.6B
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	4096
Max-Sequenzen?Maximale Anzahl gleichzeitig bearbeiteter Anfragen (Batch-Groesse). Hoeher = mehr Durchsatz, braucht aber mehr KV-Cache-Speicher.	10
Max-Batch-Tokens?Maximale Anzahl Tokens, die pro Rechenschritt gebuendelt verarbeitet werden. Beeinflusst Prefill-Durchsatz und Latenz.	4096
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'.	0.90
execution_type	local

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Qwen3-0.6B 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

AMD Radeon AI PRO R9700 561,4 tok/s★ NVIDIA GeForce RTX 4090 503,3 tok/s dieser LaufAMD Radeon RX 7900 XTX 495,5 tok/sAMD Oberon (PlayStation 5) 302,6 tok/sCPU-only 8,0 tok/s

CPUnach Prozessor

★ AMD Ryzen 3 3100 4-Core Processor 561,4 tok/s dieser LaufAMD Ryzen Threadripper PRO 3955WX 16-Cores 495,5 tok/sIntel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 480,5 tok/sAMD Zen2 8-Core (PlayStation 5) 302,6 tok/s4 x Cortex-A78C + 4 x Cortex-A55 8,0 tok/sAMD Jaguar 8-Core (PlayStation 4) 3,8 tok/s

MBnach Mainboard

ASUSTeK COMPUTER INC. ROG STRIX X570-F GAMING 561,4 tok/s★ Micro-Star International Co., Ltd. B550M PRO-VDH WIFI (MS-7C95) 503,3 tok/s dieser LaufASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 495,5 tok/sDell Inc. PowerEdge R820 480,5 tok/sunbekannt 302,6 tok/s

ENGnach Engine

llama.cpp 561,4 tok/s★ vLLM 503,3 tok/s dieser Lauf

DRVnach Treiber

unbekannt 561,4 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 0 W

⚡ TDP 450 W

☁️ Externes LLM (API) anzeigen

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

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)450 W geschätzt (TDP)GPU 450 W Volllast

Ø-Kosten / Stunde0,14 EUR

Strom / 1 Mio. Token0,71 EUR

Token / kWh422,40 Tsd.

Anschaffung (System)2.150 EUR TeilpreisGPU 2.000 EUR · Netzteil 150 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)4.515 EUR

Output-Token (2 Jahre)3,33 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 (0 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

	Qwen3-0.6BNVIDIA GeForce RTX 4090	Qwen3-0.6BAMD Oberon (PlayStation 5)	Qwen3-0.6BAMD Radeon RX 7900 XTX	Qwen3-0.6BAMD Radeon AI PRO R9700
Kosten Strom (24 Mon.)	–	–	–	–
Kosten Anschaffung	–	–	–	–
Kosten Gesamt (TCO)	–	–	–	–
Generierte Token (24 Mon.)	–	–	–	–
Tokenpreis bei API	–	–	–	–
Break-Even-Point (Tage)	–	–	–	–
Ergebnis (Ersparnis / Ausgabe)	–	–	–	–

NVIDIA GeForce RTX 4090 · dieser Lauf 53 tok/s AMD Oberon (PlayStation 5) 253 tok/s AMD Radeon RX 7900 XTX 244 tok/s AMD Radeon AI PRO R9700 227 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.