Beigesteuert vonMario AlkaQwen (Alibaba) Qwen3.8-Flash-Next
Performancebenchmark · gemessen am 23.10.2026 08:29
Benchmark-ID
run-20261023-183307-b34ba3Timebench 3 - Kombi (Prefill + Generation)MoE180BRuntime: vLLMQuantisierung: NVFP4
ℹ
Öffentliche Anmerkung: NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 96GB . Qwen3.8-Flash-Next-Uncensored NVFP4 (mazinb) . vLLM, max-model-len 131072, max-num-seqs 10, gpu-memory-utilization 0.90, Reasoning aktiv
Generation274,09tok/s
Prefill15.256,94tok/s
Time to First Token775,00ms
Gesamtdauer29,84s
Concurrency5parallel
Einordnung im Feld
135von 186 Systemen
Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 5× parallel
Dieser Lauf ist besser als 28 % aller vergleichbaren Systeme.
Generation
274,1 tok/s
-48 % vs Ø 526,4
Prefill
15.256,9 tok/s
+115 % vs Ø 7.105,6
Time to First Token
775 ms
-88 % vs Ø 6.414
Verteilung im Feld11 – 1.196 tok/s
Wie schlägt sich dieser Benchmark mit anderen Modellen?
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-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-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-b8a818
1.071,0 tok/s
Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-038e92
1.051,1 tok/s
gpt-oss-20b3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-032121-ffb18a
1.015,5 tok/s
gpt-oss-20b3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-034052-437388
989,7 tok/s
gpt-oss-20b3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-032120-8b6146
970,4 tok/s
gpt-oss-20b3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-032120-310458
946,5 tok/s
Nemotron-3-Nano-Omni-30B-A3B-Reasoning3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-105340-c65107
931,3 tok/s
Nemotron-3-Nano-30B-A3B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-105341-60b672
930,9 tok/s
Nemotron-3-Nano-30B-A3B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-105341-88bf57
929,1 tok/s
Nemotron-Cascade-2-30B-A3B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-105340-86d336
928,5 tok/s
Nemotron-Cascade-2-30B-A3B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-105340-9ec82f
927,0 tok/s
Qwen3.8-Flash-Next dieser LaufNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20261023-183307-b34ba3
274,1 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 Max-Q Workstation Editionrun-20261012-182514-4e244e
804,2 tok/s
NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20261012-175110-d711a4
783,6 tok/s
NVIDIA RTX A6000run-20261021-093816-de3d7c
589,5 tok/s
NVIDIA GeForce RTX 3090run-20261013-092430-a14870
572,2 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20261023-180245-a9d038
358,3 tok/s
NVIDIA GeForce RTX 3090run-20261013-165111-67fb02
319,4 tok/s
2× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20261023-180239-f88a7c
302,6 tok/s
NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition dieser Laufrun-20261023-183307-b34ba3
274,1 tok/s
2× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20261023-180238-64ab36
257,2 tok/s
NVIDIA GB10run-20261013-151008-7f1707
246,5 tok/s
NVIDIA GB10run-20261013-165111-cbe6de
211,2 tok/s
NVIDIA RTX A6000run-20261021-093816-46f946
139,6 tok/s
NVIDIA Tesla V100 PCIe 32GBrun-20261019-100734-acc614
137,9 tok/s
NVIDIA GB10run-20261013-151009-5481cc
82,5 tok/s
Hardware
GPU: NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · 96 GB VRAM
CPU: AMD Ryzen 5 5600X 6-Core Processor
RAM: 96 GB
Mainboard: ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING
Setup
Runtime: vLLM
Quantisierung: NVFP4
Modell: Qwen3.8-Flash-Next
Konfiguration
# LLM-Benchmark Konfiguration
# Modell : Qwen3.8-Flash-Next
# Engine : vLLM
# Run-ID : run-20261023-183307-b34ba3
# GPU : NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition
# CPU : AMD Ryzen 5 5600X 6-Core Processor
# RAM : 96 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
Modell-Vergleich
Qwen3.8-Flash-Next 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 Max-Q Workstation Edition 1.564,6 tok/s dieser LaufNVIDIA 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
CPUnach Prozessor
AMD Ryzen 9 7945HX with Radeon Graphics 1.564,6 tok/sAMD Ryzen Threadripper PRO 3945WX 12-Cores 1.171,8 tok/s★ AMD Ryzen 5 5600X 6-Core Processor 1.132,7 tok/s dieser LaufAMD Ryzen 9 9950X 16-Core Processor 584,1 tok/sNVIDIA Grace 492,8 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 424,2 tok/sAMD 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
MBnach Mainboard
Shenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series) 1.564,6 tok/sunbekannt 1.171,8 tok/s★ ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.132,7 tok/s dieser LaufASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 584,1 tok/sASUSTeK COMPUTER INC. GX10 492,8 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 424,2 tok/sASUSTeK 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
ENGnach Engine
DRVnach Treiber
unbekannt 1.564,6 tok/sNVIDIA 590.48.01 / CUDA 13.1 492,8 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
312 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)312 W geschätzt (TDP)GPU 300 + Board 12 W Volllast
Ø-Kosten / Stunde0,094 EUR
Strom / 1 Mio. Token0,095 EUR
Token / kWh3,16 Mio.
Anschaffung (System)14.188 EUR VollpreisGPU 13.000 EUR · CPU 121 EUR · Board 149 EUR · RAM 768 EUR · Netzteil 150 EUR
Stromkosten (2 Jahre)–
TCO (2 Jahre)15.828 EUR
Output-Token (2 Jahre)17,29 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
| 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 | |
|---|---|---|---|---|
| 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 Max-Q Workstation Edition · dieser Lauf 274 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 804 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 784 tok/sNVIDIA RTX A6000 589 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.