Beigesteuert vonMario AlkaNVIDIA Nemotron-3-Nano-Omni-30B-A3B-Reasoning
Performancebenchmark · gemessen am 23.10.2026 09:16
Benchmark-ID
run-20261023-071938-51f264Timebench 3 - Kombi (Prefill + Generation)MoE30BRuntime: llama.cppQuantisierung: Q4_K_M
ℹ
Öffentliche Anmerkung: Rechnerische Variante: Messwerte der NVIDIA RTX PRO 6000 Blackwell Workstation Edition (gemessen auf godcore-ai-002) uebertragen auf die Host-Konfiguration von godcore-worker-004 (AMD Ryzen 5 5600X, 32 GB RAM). Keine eigene Messung dieser Kombination. Quelle: run-20260729-032119-1ddf01 (2026-07-28 21:04:55).
Generation985,75tok/s
Prefill7.733,44tok/s
Time to First Token2.448,00ms
Gesamtdauer20,88s
Concurrency5parallel
Einordnung im Feld
27von 1492 Systemen
Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 5× parallel
Dieser Lauf ist besser als 98 % aller vergleichbaren Systeme.
Generation
985,8 tok/s
+284 % vs Ø 256,8
Prefill
7.733,4 tok/s
+42 % vs Ø 5.433,2
Time to First Token
2.448 ms
-92 % vs Ø 29.726
Verteilung im Feld0 – 1.349 tok/s
Wie schlägt sich dieser Benchmark mit anderen Modellen?
gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181606-0adf6d
1.349,3 tok/s
gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20261023-071844-e5e309
1.348,4 tok/s
gemma-4-E2B-itNVIDIA GeForce RTX 5090 · run-20260728-184455-5b4937
1.301,9 tok/s
gemma-4-E2B-it3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-184456-4111a9
1.195,7 tok/s
Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181607-30d864
1.188,7 tok/s
Nemotron-3-Nano-4BNVIDIA GeForce RTX 5090 · run-20260728-194135-5432cd
1.164,8 tok/s
Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20261023-071851-c3c4a5
1.154,4 tok/s
gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260728-140954-9e81f9
1.136,3 tok/s
gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260730-035052-09627f
1.135,0 tok/s
Nemotron-3.5-Lightning-30B-A3BNVIDIA GeForce RTX 3090 Ti · run-20261021-093815-b22926
1.135,0 tok/s
gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260729-032121-058a31
1.113,5 tok/s
gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20261023-071836-99dfa5
1.105,8 tok/s
Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-836a91
1.090,6 tok/s
Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260727-181606-8b381e
1.077,4 tok/s
Nemotron-3-Nano-Omni-30B-A3B-Reasoning dieser LaufNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20261023-071938-51f264
985,8 tok/s
Wie schlägt sich dieser Benchmark mit anderen GPUs?
Dasselbe Modell auf anderer Hardware · 5× parallel · Generation (tok/s)
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260729-032119-1ddf01
1.007,0 tok/s
NVIDIA GeForce RTX 5090run-20260729-105334-daa9ee
992,1 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Edition dieser Laufrun-20261023-071938-51f264
985,8 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105340-c65107
931,3 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105340-030105
925,4 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105339-8989eb
896,4 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260729-035835-01ffd0
547,9 tok/s
NVIDIA RTX A6000run-20260826-225451-1c46e6
348,2 tok/s
2× NVIDIA RTX A6000run-20260827-024202-d0d28e
264,7 tok/s
2× NVIDIA RTX A6000run-20260830-015225-879516
246,7 tok/s
2× NVIDIA RTX A6000run-20260828-084107-2f8a7e
245,2 tok/s
2× NVIDIA RTX A6000run-20260828-073525-9c7677
218,3 tok/s
2× NVIDIA RTX A6000run-20260829-212822-152ce0
217,4 tok/s
NVIDIA RTX A6000run-20260826-131708-629830
201,0 tok/s
Hardware
GPU: NVIDIA RTX PRO 6000 Blackwell Workstation Edition · 96 GB VRAM
CPU: AMD Ryzen 5 5600X 6-Core Processor
RAM: 31 GB
Mainboard: ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING
Setup
Runtime: llama.cpp
Quantisierung: Q4_K_M
Modell: Nemotron-3-Nano-Omni-30B-A3B-Reasoning
Konfiguration
# LLM-Benchmark Konfiguration
# Modell : Nemotron-3-Nano-Omni-30B-A3B-Reasoning
# Engine : llama.cpp
# Run-ID : run-20261023-071938-51f264
# GPU : NVIDIA RTX PRO 6000 Blackwell Workstation Edition
# CPU : AMD Ryzen 5 5600X 6-Core Processor
# RAM : 31 GB
bench@llm-benchmark:~$ llama-server \
-m /home/godcore/.cache/huggingface/hub/models--DevQuasar--nvidia.Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16-GGUF/snapshots/7131823f6f6ffda04b65763677f2f1dbe15eb3c5/nvidia.Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16.f16.gguf.Q4_K_M.gguf \
-c 16384 \
-np 12
| 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. | Nemotron-3-Nano-Omni-30B-A3B-Reasoning |
| Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann. | 16384 |
| Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird. | /home/godcore/.cache/huggingface/hub/models--DevQuasar--nvidia.Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16-GGUF/snapshots/7131823f6f6ffda04b65763677f2f1dbe15eb3c5/nvidia.Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16.f16.gguf.Q4_K_M.gguf |
| Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells. | 16384 |
| np | 12 |
| execution_type | local |
Anzeige
Modell-Vergleich
Nemotron-3-Nano-Omni-30B-A3B-Reasoning 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 1.791,5 tok/s dieser LaufNVIDIA GeForce RTX 5090 1.706,7 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.651,0 tok/sNVIDIA GeForce RTX 3090 Ti 896,6 tok/sNVIDIA RTX A6000 527,0 tok/sNVIDIA GeForce RTX 5070 Ti 262,5 tok/sAMD Radeon AI PRO R9700 122,4 tok/sAMD Radeon RX 7900 XTX 76,7 tok/s
CPUnach Prozessor
AMD Ryzen 9 9950X 16-Core Processor 1.791,5 tok/s★ AMD Ryzen 5 5600X 6-Core Processor 1.774,4 tok/s dieser LaufAMD Ryzen 7 5800X3D 8-Core Processor 1.706,7 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.651,0 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 896,6 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 527,0 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 262,5 tok/sIntel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 76,7 tok/s
MBnach Mainboard
ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.791,5 tok/s★ ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.774,4 tok/s dieser LaufASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.651,0 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 896,6 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 262,5 tok/sDell Inc. PowerEdge R820 76,7 tok/s
DRVnach Treiber
unbekannt 1.791,5 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 übernehmenZurücksetzen
⚡ Strompreis
EUR/kWh
⚙️ System-Auslastung
100 %
🖥️ Anschaffung
EUR
🔌 Idle
42 W
⚡ TDP
612 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)612 W geschätzt (TDP)GPU 600 + Board 12 W Volllast
Ø-Kosten / Stunde0,18 EUR
Strom / 1 Mio. Token0,052 EUR
Token / kWh5,80 Mio.
Anschaffung (System)13.698 EUR VollpreisGPU 13.000 EUR · CPU 121 EUR · Board 149 EUR · RAM 248 EUR · Netzteil 180 EUR
Stromkosten (2 Jahre)–
TCO (2 Jahre)16.915 EUR
Output-Token (2 Jahre)62,17 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 (42 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
| Nemotron-3-Nano-Omni-30B-A3B-ReasoningNVIDIA RTX PRO 6000 Blackwell Workstation Edition | Nemotron-3-Nano-Omni-30B-A3B-ReasoningNVIDIA RTX PRO 6000 Blackwell Workstation Edition | Nemotron-3-Nano-Omni-30B-A3B-ReasoningNVIDIA GeForce RTX 5090 | Nemotron-3-Nano-Omni-30B-A3B-Reasoning3x 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 RTX PRO 6000 Blackwell Workstation Edition · dieser Lauf 986 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.007 tok/sNVIDIA GeForce RTX 5090 992 tok/s3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 931 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.