# LLM-Benchmark Konfiguration # Modell : Qwen3-0.6B # Engine : vLLM # Run-ID : run-20261020-051233-ef1fce # 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

All benchmarks of this model To leaderboard

Model comparison

Qwen3-0.6B on various hardware

All published performance runs of this model – each bubble a variant: position = prefill (X) × generation (Y), bubble size = number of runs. Closer to the top right = faster. ★ Marked gold = this benchmark.

GPUby graphics card

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

CPUby processor

★ AMD Ryzen 3 3100 4-Core Processor 561,4 tok/s this runAMD 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

MBby 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 this runASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 495,5 tok/sDell Inc. PowerEdge R820 480,5 tok/sunbekannt 302,6 tok/s

ENGby engine

llama.cpp 561,4 tok/s★ vLLM 503,3 tok/s this run

DRVby driver

unbekannt 561,4 tok/s

💰 Economics

Economics of this run

Operating cost, TCO and comparison with the next-best runs of the same model at identical concurrency (10× concurrent). Methodology →

⚙️ ConfigurationAll metrics and charts below follow these settings – based on a 24-month runtime.Save to URL Reset

⚡ Electricity price EUR/kWh

⚙️ System utilization 100 %

🖥️ Acquisition EUR

🔌 Idle 0 W

⚡ TDP 450 W

☁️ External LLM (API) show

Input €/1M Output €/1M Input per output token

Electricity0.30 EUR/kWh

Avg power (incl. idle)450 W estimated (TDP)GPU 450 W full load

Avg cost / hourEUR 0.14

Electricity / 1M tokensEUR 0.075

Token / kWh4.03M

Acquisition (system)EUR 2,150 partial priceGPU EUR 2,000 · PSU EUR 150

Electricity (2 years)–

TCO (2 years)EUR 4,515

Output tokens (2 years)31.75B

☁️ External LLM (API) – comparison

External LLM cost (2 years)–

Savings vs. external (2 years)–

All values above and the charts below take the configured system utilization into account: at X% the system generates only X% of the time, the rest it idles (0 W). Cost per hour drops (more idle), cost per token rises.

Cost over 2 years – electricity only

Cost over 2 years – incl. acquisition (TCO)

Speed vs. tokens per euro

Euro per 1M tokens

Comparison vs. API – economics per benchmark

	Qwen3-0.6BNVIDIA GeForce RTX 4090	Qwen3-0.6BAMD Radeon AI PRO R9700	Qwen3-0.6B2x AMD Radeon RX 7900 XTX	Qwen3-0.6B2x AMD Radeon RX 7900 XTX
Electricity cost (24 mo.)	–	–	–	–
Acquisition cost	–	–	–	–
Total cost (TCO)	–	–	–	–
Generated tokens (24 mo.)	–	–	–	–
Token price via API	–	–	–	–
Break-even point (days)	–	–	–	–
Result (savings / extra cost)	–	–	–	–

NVIDIA GeForce RTX 4090 · this run 503 tok/s AMD Radeon AI PRO R9700 561 tok/s 2× AMD Radeon RX 7900 XTX 481 tok/s 2× AMD Radeon RX 7900 XTX 384 tok/s

Comparison with up to 3 next-best runs of this model at the same concurrency (at least one on different hardware). Power = GPU TDP + CPU (idle + 15 %) + board (estimated), acquisition = full system (GPU + CPU + board + RAM + PSU), prices = stored market prices.

Contributed by

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.