Contributed byMario AlkaQwen (Alibaba) Qwen3.8-Flash-Next
Performance benchmark · measured on 08.10.2026 07:21
Benchmark-ID
run-20261023-180238-ae71f7Timebench 3 - Kombi (Prefill + Generation)MoE180BRuntime: vLLMQuantisierung: NVFP4
ℹ
Public note: Variante: Uncensored (mazinb).
⚠
Configuration note: Es sind 2 Grafikkarten installiert, aber nur 1 wurde fuer diesen Lauf genutzt. Mit allen 2 GPUs koennte der Durchsatz deutlich hoeher liegen.
Generation74,23tok/s
Prefill0,00tok/s
Time to First Token590,00ms
Total duration35,28s
Concurrency1parallel
Ranking in the field
138of 182 systems
Performance benchmark · Primary metric: Generation-Speed (tok/s) · 1× concurrent
This run is better than 24 % of all comparable systems.
Generation
74,2 tok/s
-55 % vs Ø 163,5
Prefill
0,0 tok/s
-100 % vs Ø 4.440,7
Time to First Token
590 ms
-26 % vs Ø 796
Distribution in the field7 – 362 tok/s
Wie schlägt sich dieser Benchmark mit anderen Modellen?
Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-ac388e
362,3 tok/s
Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-5e5085
361,4 tok/s
Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260727-181606-a2f36d
356,7 tok/s
Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-1be57b
355,6 tok/s
gpt-oss-20b3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-032120-b63d5d
350,7 tok/s
gpt-oss-20b3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-032121-74868e
350,0 tok/s
gpt-oss-20b3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-034052-120dc2
348,9 tok/s
gemma-4-E2B-it3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-184455-9cb45c
343,9 tok/s
Nemotron-3-Nano-Omni-30B-A3B-Reasoning3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-105339-e213a2
331,0 tok/s
Nemotron-3-Nano-30B-A3B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-105340-e34cf0
330,8 tok/s
Nemotron-Cascade-2-30B-A3B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-105340-3ddb51
330,2 tok/s
Nemotron-3-Nano-Omni-30B-A3B-Reasoning3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-105339-133b6a
330,1 tok/s
Nemotron-3-Nano-30B-A3B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-105341-f734f1
330,0 tok/s
Nemotron-Cascade-2-30B-A3B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-105340-508364
329,9 tok/s
Qwen3.8-Flash-Next this run2× 2x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20261023-180238-ae71f7
74,2 tok/s
How does this benchmark compare on other GPUs?
Same model on different hardware · 1× concurrent · Generation (tok/s)
NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20261012-182514-5f16dc
164,6 tok/s
NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20261012-175110-537c3d
158,1 tok/s
NVIDIA RTX A6000run-20261021-093815-fdc402
125,2 tok/s
NVIDIA GeForce RTX 3090run-20261013-092430-8e3577
116,4 tok/s
NVIDIA RTX A6000run-20261021-093816-efa091
115,5 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20261023-180245-bd93b8
96,7 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20261023-184710-e3cffa
95,0 tok/s
NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20261023-183307-2a60cf
79,1 tok/s
2× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20261023-180239-49eb27
77,2 tok/s
2× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition this runrun-20261023-180238-ae71f7
74,2 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20261023-184710-4b5edd
70,0 tok/s
NVIDIA Tesla V100 PCIe 32GBrun-20261021-093816-154b4e
59,3 tok/s
NVIDIA Tesla V100 PCIe 32GBrun-20261019-134138-464b84
52,1 tok/s
NVIDIA GeForce RTX 3090run-20261013-165111-42c54a
50,5 tok/s
Hardware
GPU: 2x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · 96 GB VRAM
CPU: AMD Ryzen Threadripper PRO 9965WX 24-Cores
RAM: 125 GB
Mainboard: ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE
Setup
Runtime: vLLM
Quantization: NVFP4
Model: Qwen3.8-Flash-Next
Configuration
# LLM-Benchmark Konfiguration
# Modell : Qwen3.8-Flash-Next
# Engine : vLLM
# Run-ID : run-20261023-180238-ae71f7
# GPU : 2x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition
# CPU : AMD Ryzen Threadripper PRO 9965WX 24-Cores
# RAM : 125 GB
bench@llm-benchmark:~$ /usr/bin/python3 /usr/local/bin/vllm serve mazinb/Qwen3.8-Flash-Next-Uncensored-NVFP4 \
--served-model-name Qwen3.8-Flash-Next-Uncensored \
--host 0.0.0.0 \
--port 8000 \
--trust-remote-code \
--distributed-executor-backend mp \
--gpu-memory-utilization 0.90 \
--max-model-len 131072 \
--max-num-seqs 10 \
--enable-auto-tool-choice \
--tool-call-parser qwen3_coder \
--reasoning-parser qwen3
| 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. | Qwen3.8-Flash-Next-Uncensored |
| Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann. | 131072 |
| Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen. | Qwen3.8-Flash-Next-Uncensored |
| Trust-Remote-Code?Erlaubt vLLM, mit dem Modell mitgelieferten Python-Code auszufuehren. Noetig fuer Architekturen, die vLLM nicht von Haus aus kennt. Nur bei vertrauenswuerdigen Modellen aktivieren. | aktiv |
| Executor-Backend?Verfahren fuer Multi-GPU/Multi-Node: mp = Prozesse auf einer Maschine, ray = ueber Ray (auch ueber mehrere Knoten). | mp |
| 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 |
| Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells. | 131072 |
| Max-Sequenzen?Maximale Anzahl gleichzeitig bearbeiteter Anfragen (Batch-Groesse). Hoeher = mehr Durchsatz, braucht aber mehr KV-Cache-Speicher. | 10 |
| Auto-Tool-Choice?Erlaubt dem Modell, Tools (Function-Calling) selbststaendig auszuwaehlen. MUSS aktiv sein, damit 'tools' im Request akzeptiert werden - sonst lehnt vLLM sie mit HTTP 400 ab. | aktiv |
| Tool-Parser?Bestimmt, wie vLLM Tool-Aufrufe aus der Modellantwort ausliest (z.B. hermes, mistral, llama3_json). Muss zum Modell passen. | qwen3_coder |
| Reasoning-Parser?Trennt den Denk-/Reasoning-Teil der Antwort vom eigentlichen Inhalt (z.B. bei Modellen mit <think>-Bloecken). | qwen3 |
| execution_type | local |
Anzeige
Model comparison
Qwen3.8-Flash-Next 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
★ NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.564,6 tok/s this runNVIDIA RTX A6000 1.171,8 tok/sNVIDIA GeForce RTX 3090 1.132,7 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 584,1 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
CPUby processor
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/sAMD Ryzen 9 9950X 16-Core Processor 584,1 tok/sNVIDIA Grace 492,8 tok/s★ AMD Ryzen Threadripper PRO 9965WX 24-Cores 424,2 tok/s this runAMD Ryzen 3 PRO 3200GE w/ Radeon Vega Graphics 196,2 tok/sAMD EPYC 7203P 8-Core Processor 79,2 tok/sIntel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 63,2 tok/sAMD Ryzen Threadripper PRO 3955WX 16-Cores 18,7 tok/s
MBby 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. ProArt X870E-CREATOR WIFI 584,1 tok/sASUSTeK COMPUTER INC. GX10 492,8 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 424,2 tok/s this runASUSTeK COMPUTER INC. ROG STRIX X570-F GAMING 196,2 tok/sASRockRack ROMED8-2T/BCM 79,2 tok/sDell Inc. PowerEdge R820 63,2 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 35,4 tok/s
ENGby engine
DRVby driver
unbekannt 1.564,6 tok/sNVIDIA 590.48.01 / CUDA 13.1 492,8 tok/s
💰 Economics
Economics of this run
Operating cost, TCO and comparison with the next-best runs of the same model at identical concurrency (1× concurrent). Methodology →
⚙️ ConfigurationAll metrics and charts below follow these settings – based on a 24-month runtime.Save to URLReset
⚡ Electricity price
EUR/kWh
⚙️ System utilization
100 %
🖥️ Acquisition
EUR
🔌 Idle
105 W
⚡ TDP
383 W
☁️ External LLM (API)
Electricity0.30 EUR/kWh
Avg power (incl. idle)383 W estimated (TDP)GPU 300 + CPU 57 + Board 25 W full load
Avg cost / hourEUR 0.11
Electricity / 1M tokensEUR 0.43
Token / kWh698.64K
Acquisition (system)EUR 19,698 full priceGPU EUR 13,000 · CPU EUR 3,499 · Board EUR 1,299 · RAM EUR 1,750 · PSU EUR 150
Electricity (2 years)–
TCO (2 years)EUR 21,708
Output tokens (2 years)4.68B
☁️ 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 (105 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
| Qwen3.8-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 PRO 6000 Blackwell Max-Q Workstation Edition | Qwen3.8-Flash-NextNVIDIA RTX A6000 | |
|---|---|---|---|---|
| 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 RTX PRO 6000 Blackwell Max-Q Workstation Edition · this run 74 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 165 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 158 tok/sNVIDIA RTX A6000 125 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.