ℹ

Public note: godcore-ai-001 Qwen3.8-27B-Uncensored-NVFP4 mit MTP-Speculative-Decoding (num_spec=2), Concurrency 1. Kombinierter Lauf (EIN Prompt, 4304 Tokens): Prefill ~11550 tok/s/Req bei TTFT ~373ms; Generation ~105.3 tok/s/Req netto (256 Tok), Aggregat-Generation ~105 tok/s ueber alle 1 Requests; Ø Gesamtdauer ~2.80s. Hardware: 1x RTX PRO 6000 Blackwell Max-Q (300W-Cap), GPU1. Alle Requests erfolgreich, greedy.

⚠

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.

Generation105,30tok/s

Prefill11.550,00tok/s

Time to First Token373,00ms

Total duration2,80s

Concurrency1parallel

Ranking in the field

This GPU All GPUs

113of 182 systems

Performance benchmark · Primary metric: Generation-Speed (tok/s) · 1× concurrent

This run is better than 38 % of all comparable systems.

Generation 105,3 tok/s

-36 % vs Ø 163,5

Prefill 11.550,0 tok/s

+160 % vs Ø 4.440,7

Time to First Token 373 ms

-53 % vs Ø 796

Distribution in the field7 – 362 tok/s

Ø 164 Median Dieser Lauf

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

Qwen3.8-27B-Uncensored this run2× 2x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20261023-184721-f45934

105,3 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: Qwen3.8-27B-Uncensored

Configuration

benchmark-konfiguration — run-20261023-184721-f45934

# LLM-Benchmark Konfiguration # Modell : Qwen3.8-27B-Uncensored # Engine : vLLM # Run-ID : run-20261023-184721-f45934 # 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:~$ vllm serve \ --model orcarouter/Qwen3.8-27B-Uncensored-NVFP4 \ --served-model-name Qwen3.8-27B-Uncensored \ --gpu-memory-utilization 0.85 \ --max-model-len 131072 \ --max-num-seqs 32 \ --speculative-config '{"method":"mtp","num_speculative_tokens":2}' \ --reasoning-parser qwen3 \ --tool-call-parser qwen3_coder \ --trust-remote-code

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.	Qwen3.8-27B-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.	Qwen3.8-27B-Uncensored
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'.	0.85
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.	32
speculative-config	{"method":"mtp","num_speculative_tokens":2}
Reasoning-Parser?Trennt den Denk-/Reasoning-Teil der Antwort vom eigentlichen Inhalt (z.B. bei Modellen mit <think>-Bloecken).	qwen3
Tool-Parser?Bestimmt, wie vLLM Tool-Aufrufe aus der Modellantwort ausliest (z.B. hermes, mistral, llama3_json). Muss zum Modell passen.	qwen3_coder
execution_type	local

All benchmarks of this model To leaderboard

Model comparison

Qwen3.8-27B-Uncensored 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 105,3 tok/s this run

CPUby processor

★ AMD Ryzen Threadripper PRO 9965WX 24-Cores 105,3 tok/s this run

MBby mainboard

★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 105,3 tok/s this run

ENGby engine

★ vLLM 105,3 tok/s this run

DRVby driver

unbekannt 105,3 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 URL Reset

⚡ Electricity price EUR/kWh

⚙️ System utilization 100 %

🖥️ Acquisition EUR

🔌 Idle 105 W

⚡ TDP 383 W

☁️ External LLM (API) show

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

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 0.30

Token / kWh991.06K

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)6.64B

☁️ 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

	Qwen3.8-27B-UncensoredNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition
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 105 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.