# LLM-Benchmark Konfiguration # Modell : Meta-Llama-3.1-8B-Instruct # Engine : vLLM # Run-ID : run-20261020-051245-eb3b5f # 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/dbc62a15f57f6087 \ --served-model-name Meta-Llama-3.1-8B-Instruct \ --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.	Meta-Llama-3.1-8B-Instruct
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/dbc62a15f57f6087
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.	Meta-Llama-3.1-8B-Instruct
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

Meta-Llama-3.1-8B-Instruct 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 GeForce RTX 5090 1.593,1 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.533,0 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.433,0 tok/sNVIDIA RTX A6000 1.026,4 tok/sNVIDIA GeForce RTX 5070 Ti 913,4 tok/sNVIDIA GeForce RTX 3090 Ti 837,9 tok/sAMD Radeon AI PRO R9700 518,3 tok/s★ NVIDIA GeForce RTX 4090 489,7 tok/s dieser LaufAMD Radeon RX 7900 XTX 405,0 tok/sAMD Radeon PRO W7800 48GB 323,1 tok/sNVIDIA GeForce RTX 2060 169,0 tok/sNVIDIA Tesla V100 PCIe 32GB 122,6 tok/sNVIDIA Tesla P100 PCIe 16GB 67,6 tok/sIntel Arc Pro B70 66,4 tok/sCPU-only 3,6 tok/s

CPUnach Prozessor

AMD Ryzen 7 5800X3D 8-Core Processor 1.593,1 tok/sAMD Ryzen 9 9950X 16-Core Processor 1.533,0 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.433,0 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 1.026,4 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 913,4 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 837,9 tok/s★ AMD Ryzen 3 3100 4-Core Processor 489,7 tok/s dieser LaufAMD Ryzen Threadripper PRO 3955WX 16-Cores 405,0 tok/sIntel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 266,7 tok/sIntel(R) Core(TM) i5-7400 CPU @ 3.00GHz 130,9 tok/sAMD Ryzen 3 PRO 3200GE w/ Radeon Vega Graphics 122,6 tok/sAMD Ryzen 9 7945HX with Radeon Graphics 67,6 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 3,6 tok/s4 x Cortex-A78C + 4 x Cortex-A55 1,2 tok/s

MBnach Mainboard

ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.593,1 tok/sASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.533,0 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.433,0 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 913,4 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 837,9 tok/s★ Micro-Star International Co., Ltd. B550M PRO-VDH WIFI (MS-7C95) 489,7 tok/s dieser LaufDell Inc. PowerEdge R820 266,7 tok/sASUSTeK COMPUTER INC. ROG STRIX X570-F GAMING 258,8 tok/sASRock H110 Pro BTC+ 130,9 tok/sShenzhen Meigao Electronic Equipment Co.,Ltd F1FXM (DeskMini Series) 67,6 tok/sShenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series) 66,4 tok/sunbekannt 1,2 tok/s

ENGnach Engine

llama.cpp 1.593,1 tok/s★ vLLM 1.026,4 tok/s dieser Laufunbekannt 42,1 tok/s

DRVnach Treiber

unbekannt 1.593,1 tok/sIntel 26.18.38308.4 66,4 tok/s

💰 Economics

Wirtschaftlichkeit dieses Laufs

Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (5× 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. Token0,15 EUR

Token / kWh2,04 Mio.

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)16,06 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

	Meta-Llama-3.1-8B-InstructNVIDIA GeForce RTX 4090	Meta-Llama-3.1-8B-InstructNVIDIA RTX PRO 6000 Blackwell Workstation Edition	Meta-Llama-3.1-8B-InstructNVIDIA GeForce RTX 5090	Meta-Llama-3.1-8B-Instruct3x 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)	–	–	–	–

NVIDIA GeForce RTX 4090 · dieser Lauf 255 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 877 tok/s NVIDIA GeForce RTX 5090 824 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 775 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.