ℹ

Öffentliche Anmerkung: NVIDIA GeForce RTX 3090 24GB + 31GB RAM . gpt-oss-120b Q4_K_M (2 Shards, 58,5 GiB) . llama.cpp server-cuda (b11804), automatische Layer-Einpassung, Rest per mmap aus dem NVMe-Pagecache; Gewichte uebersteigen VRAM+RAM, laeuft daher mit NVMe-Paging. -np 12, -c 49152

Generation18,07tok/s

Prefill96,33tok/s

Time to First Token20.531,00ms

Gesamtdauer154,46s

Concurrency1parallel

Einordnung im Feld

Diese GPU Alle GPUs

1431von 1834 Systemen

Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 1× parallel

Dieser Lauf ist besser als 22 % aller vergleichbaren Systeme.

Generation 18,1 tok/s

-77 % vs Ø 77,3

Prefill 96,3 tok/s

-97 % vs Ø 2.840,6

Time to First Token 20.531 ms

-17 % vs Ø 24.843

Verteilung im Feld0 – 405 tok/s

Ø 77 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260724-004608-16af9b

404,6 tok/s

gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260730-035052-9f766a

395,2 tok/s

Nemotron-3-Nano-4BNVIDIA GeForce RTX 5090 · run-20260728-194135-d456e7

393,5 tok/s

Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181607-bffb11

393,5 tok/s

gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260724-004607-29bd16

388,9 tok/s

gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260729-032121-1c779f

388,2 tok/s

gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181606-6ea089

378,6 tok/s

gemma-4-E2B-itNVIDIA GeForce RTX 5090 · run-20260728-184455-e8b129

377,6 tok/s

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-30B-A3BNVIDIA GeForce RTX 5090 · run-20260729-105335-653788

359,4 tok/s

Nemotron-3-Nano-Omni-30B-A3B-ReasoningNVIDIA GeForce RTX 5090 · run-20260729-105334-2c4905

359,3 tok/s

Nemotron-Cascade-2-30B-A3BNVIDIA GeForce RTX 5090 · run-20260729-105334-44d1e7

359,0 tok/s

Nemotron-3-Nano-Omni-30B-A3B-ReasoningNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260729-032119-4852bf

357,1 tok/s

gpt-oss-120b dieser LaufNVIDIA GeForce RTX 3090 · run-20261024-090500-5a7454

18,1 tok/s

Wie schlägt sich dieser Benchmark mit anderen GPUs?

Dasselbe Modell auf anderer Hardware · 1× parallel · Generation (tok/s)

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260729-224611-3527c7

281,9 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260728-034051-dff326

251,6 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032120-c92dba

250,6 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032120-7ff3f1

250,3 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032119-70ac3f

247,5 tok/s

2× AMD Radeon PRO W7900 Dual Slotrun-20260818-165443-0b16e2

101,6 tok/s

3× AMD Radeon AI PRO R9700run-20260722-165909-4e3ede

99,8 tok/s

3× AMD Radeon AI PRO R9700run-20260722-165908-cc8488

99,8 tok/s

NVIDIA GB10run-20261024-122736-b3004a

62,2 tok/s

NVIDIA RTX Spark N1X (6144-core Blackwell RTX GPU)run-20261024-130444-6a16ea

51,1 tok/s

NVIDIA RTX Spark N1X (6144-core Blackwell RTX GPU)run-20261024-143953-4b42b5

49,0 tok/s

3× AMD Radeon AI PRO R9700run-20260806-094434-e7b4dd

24,1 tok/s

3× AMD Radeon AI PRO R9700run-20260806-094435-a608ae

23,8 tok/s

3× AMD Radeon AI PRO R9700run-20260806-094435-8b030d

23,8 tok/s

Hardware

GPU: NVIDIA GeForce RTX 3090 · 24 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: gpt-oss-120b

Konfiguration

benchmark-konfiguration — run-20261024-090500-5a7454

# LLM-Benchmark Konfiguration # Modell : gpt-oss-120b # Engine : llama.cpp # Run-ID : run-20261024-090500-5a7454 # GPU : NVIDIA GeForce RTX 3090 # CPU : AMD Ryzen 5 5600X 6-Core Processor # RAM : 31 GB bench@llm-benchmark:~$ llama-server \ -m /models/openai_gpt-oss-120b-Q4_K_M-00001-of-00002.gguf \ -np 12 \ -c 49152

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.	gpt-oss-120b
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	49152
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.	/models/openai_gpt-oss-120b-Q4_K_M-00001-of-00002.gguf
np	12
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	49152
execution_type	local

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

gpt-oss-120b 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 1.335,9 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.229,7 tok/sAMD Radeon PRO W7900 Dual Slot 216,2 tok/sNVIDIA GB10 (DGX Spark) 135,1 tok/sNVIDIA RTX Spark N1X (6144-core Blackwell RTX GPU) 111,9 tok/sAMD Radeon AI PRO R9700 107,0 tok/sNVIDIA GeForce RTX 3090 Ti 85,3 tok/sNVIDIA GeForce RTX 5070 Ti 60,1 tok/sNVIDIA GeForce RTX 5090 42,3 tok/sIntel Arc Pro B70 32,4 tok/s★ NVIDIA GeForce RTX 3090 18,1 tok/s dieser LaufAMD Radeon RX 7900 XTX 16,3 tok/sNVIDIA GeForce RTX 2060 6,8 tok/sCPU-only 5,3 tok/s

CPUnach Prozessor

AMD Ryzen 9 9950X 16-Core Processor 1.335,9 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.229,7 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 216,2 tok/sNVIDIA Grace 135,1 tok/sNVIDIA RTX Spark N1X (6144-core GPU, 20-core CPU) 111,9 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 107,0 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 85,3 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 42,3 tok/sAMD Ryzen 9 7945HX with Radeon Graphics 32,4 tok/s★ AMD Ryzen 5 5600X 6-Core Processor 18,1 tok/s dieser LaufIntel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 16,3 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 5,3 tok/s

MBnach Mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.335,9 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.229,7 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 216,2 tok/sASUSTeK COMPUTER INC. GX10 135,1 tok/sASUS H7607BA 111,9 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 85,3 tok/s★ ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 42,3 tok/s dieser LaufShenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series) 32,4 tok/sDell Inc. PowerEdge R820 16,3 tok/s

ENGnach Engine

★ llama.cpp 1.335,9 tok/s dieser Laufunbekannt 99,8 tok/svLLM 21,5 tok/s

DRVnach Treiber

unbekannt 1.335,9 tok/sNVIDIA 590.48.01 / CUDA 13.1 135,1 tok/sAMD 7.0.0-27-generic 99,8 tok/sIntel 26.18.38308.4 32,4 tok/s

💰 Economics

Wirtschaftlichkeit dieses Laufs

Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (1× 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 12 W

⚡ TDP 362 W

☁️ Externes LLM (API) anzeigen

Input €/1M Output €/1M Input je Output-Token

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)362 W geschätzt (TDP)GPU 350 + Board 12 W Volllast

Ø-Kosten / Stunde0,11 EUR

Strom / 1 Mio. Token1,67 EUR

Token / kWh179,70 Tsd.

Anschaffung (System)1.518 EUR VollpreisGPU 850 EUR · CPU 121 EUR · Board 149 EUR · RAM 248 EUR · Netzteil 150 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)3.421 EUR

Output-Token (2 Jahre)1,14 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 (12 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

	gpt-oss-120bNVIDIA GeForce RTX 3090	gpt-oss-120bNVIDIA RTX PRO 6000 Blackwell Workstation Edition	gpt-oss-120b3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	gpt-oss-120b3x 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 3090 · dieser Lauf 18 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 282 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 252 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 251 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.