Beigesteuert vonMario AlkaQwen (Alibaba) Qwen3-30B-A3B-Thinking-2507
Performancebenchmark · gemessen am 24.10.2026 13:58
Benchmark-ID
run-20261024-122714-0fdd6aTimebench 3 - Kombi (Prefill + Generation)MoE30BRuntime: llama.cppQuantisierung: Q4_K_M
ℹ
Öffentliche Anmerkung: NVIDIA GB10 (DGX Spark, 120GB Unified Memory) . Qwen3-30B-A3B-Thinking-2507 Q4_K_M . llama.cpp b10507 native aarch64, -ngl 999, -np 12, -c 49152 (4096 Tok/Slot)
ℹ
Zur Einordnung: Diese Plattform nutzt Unified Memory – die "VRAM" ist gemeinsamer System-RAM (APU/Superchip); das Modell teilt sich den Speicher mit dem System.
Generation129,46tok/s
Prefill3.441,94tok/s
Time to First Token3.808,00ms
Gesamtdauer88,14s
Concurrency5parallel
Einordnung im Feld
19von 34 Systemen
Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 5× parallel
Dieser Lauf ist besser als 45 % aller vergleichbaren Systeme.
Generation
129,5 tok/s
-15 % vs Ø 151,9
Prefill
3.441,9 tok/s
+6 % vs Ø 3.262,4
Time to First Token
3.808 ms
-60 % vs Ø 9.592
Verteilung im Feld47 – 479 tok/s
Wie schlägt sich dieser Benchmark mit anderen Modellen?
gemma-4-E2B-itNVIDIA DGX SPARK (GB10) · run-20260729-224610-d54f79
478,6 tok/s
gemma-4-E2B-itNVIDIA DGX SPARK (GB10) · run-20260729-224611-fd132d
461,5 tok/s
gemma-4-E4B-itNVIDIA DGX SPARK (GB10) · run-20260730-084906-8d769a
251,4 tok/s
gemma-4-E4B-itNVIDIA DGX SPARK (GB10) · run-20260729-224611-1ec61a
246,7 tok/s
Qwen3.8-Flash-NextNVIDIA DGX SPARK (GB10) · run-20261013-151008-7f1707
246,5 tok/s
gemma-4-E4B-itNVIDIA DGX SPARK (GB10) · run-20260729-224611-f3c242
245,6 tok/s
Qwen3.8-Flash-NextNVIDIA DGX SPARK (GB10) · run-20261013-165111-cbe6de
211,2 tok/s
Nemotron-3-Nano-4BNVIDIA DGX SPARK (GB10) · run-20260730-084906-ebceff
210,3 tok/s
Nemotron-3-Nano-4BNVIDIA DGX SPARK (GB10) · run-20260730-035052-ee4096
202,3 tok/s
gpt-oss-20bNVIDIA DGX SPARK (GB10) · run-20261024-115637-9d9ed3
156,0 tok/s
gpt-oss-20bNVIDIA DGX SPARK (GB10) · run-20260820-194812-6a1027
148,9 tok/s
Qwen3-Coder-30B-A3B-InstructNVIDIA DGX SPARK (GB10) · run-20260820-205402-be8321
146,9 tok/s
Ling-3.0-flashNVIDIA DGX SPARK (GB10) · run-20260820-173706-3b8d9a
142,8 tok/s
Ling-3.0-flashNVIDIA DGX SPARK (GB10) · run-20260820-131510-106a01
140,4 tok/s
Qwen3-30B-A3B-Thinking-2507 dieser LaufNVIDIA DGX SPARK (GB10) · run-20261024-122714-0fdd6a
129,5 tok/s
Wie schlägt sich dieser Benchmark mit anderen GPUs?
Dasselbe Modell auf anderer Hardware · 5× parallel · Generation (tok/s)
NVIDIA GeForce RTX 5090run-20260729-105335-68b2c1
935,4 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260729-032123-277335
926,2 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20261023-071954-4650a3
900,7 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105342-28a217
832,0 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105342-b71814
816,5 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-105342-be3ad1
813,6 tok/s
NVIDIA GeForce RTX 5090run-20260723-045450-1d48c8
633,4 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260724-004605-09fb68
625,7 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260729-060803-707425
558,2 tok/s
2× NVIDIA RTX A6000run-20260829-124021-068405
508,0 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260724-004603-cec466
487,2 tok/s
2× NVIDIA RTX A6000run-20260827-090902-413ac3
451,9 tok/s
2× NVIDIA RTX A6000run-20260829-181042-42d783
381,6 tok/s
2× NVIDIA RTX A6000run-20260827-133004-a69981
348,4 tok/s
Hardware
GPU: NVIDIA DGX SPARK (GB10) · 128 GB VRAM
CPU: NVIDIA Grace
RAM: 120 GB
Mainboard: ASUSTeK COMPUTER INC. GX10
Setup
Runtime: llama.cpp
Quantisierung: Q4_K_M
Treiber: NVIDIA 590.48.01 / CUDA 13.1
Modell: Qwen3-30B-A3B-Thinking-2507
Konfiguration
# LLM-Benchmark Konfiguration
# Modell : Qwen3-30B-A3B-Thinking-2507
# Engine : llama.cpp
# Run-ID : run-20261024-122714-0fdd6a
# GPU : NVIDIA DGX SPARK (GB10)
# CPU : NVIDIA Grace
# RAM : 120 GB
bench@llm-benchmark:~$ llama-server \
-m /home/godcore/bench_models/Qwen_Qwen3-30B-A3B-Thinking-2507-Q4_K_M.gguf \
-ngl 999 \
-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. | Qwen3-30B-A3B-Thinking-2507 |
| Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann. | 49152 |
| GPU-Layer?Anzahl der auf die GPU ausgelagerten Modell-Layer. Hoeher = mehr VRAM und schneller; der Rest laeuft auf der CPU. 999 = alles auf GPU. | 999 |
| np | 12 |
| Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells. | 49152 |
| execution_type | local |
Anzeige
Modell-Vergleich
Qwen3-30B-A3B-Thinking-2507 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 GeForce RTX 5090 1.683,8 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.670,5 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.521,4 tok/sNVIDIA GeForce RTX 3090 Ti 930,6 tok/sNVIDIA RTX A6000 751,7 tok/sNVIDIA GeForce RTX 3090 371,7 tok/sAMD Radeon RX 7900 XTX 303,1 tok/sAMD Radeon PRO W7800 48GB 258,3 tok/sAMD Radeon PRO W7900 Dual Slot 254,6 tok/sAMD Radeon AI PRO R9700 238,8 tok/s★ NVIDIA DGX SPARK (GB10) 161,1 tok/s dieser LaufNVIDIA GeForce RTX 5070 Ti 155,8 tok/sNVIDIA RTX SPARK (N1X) 107,0 tok/sCPU-only 8,5 tok/s
CPUnach Prozessor
AMD Ryzen 7 5800X3D 8-Core Processor 1.683,8 tok/sAMD Ryzen 9 9950X 16-Core Processor 1.670,5 tok/sAMD Ryzen 5 5600X 6-Core Processor 1.623,2 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.521,4 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 930,6 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 751,7 tok/sAMD Ryzen Threadripper PRO 3955WX 16-Cores 303,1 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 258,3 tok/sAMD Ryzen 3 3100 4-Core Processor 238,8 tok/sIntel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 223,3 tok/s★ NVIDIA Grace 161,1 tok/s dieser LaufNVIDIA RTX Spark N1X (6144-core GPU, 20-core CPU) 107,0 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 8,5 tok/s
MBnach Mainboard
ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.683,8 tok/sASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.670,5 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.521,4 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 930,6 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 303,1 tok/sASUSTeK COMPUTER INC. ROG STRIX X570-F GAMING 238,8 tok/sDell Inc. PowerEdge R820 223,3 tok/s★ ASUSTeK COMPUTER INC. GX10 161,1 tok/s dieser LaufASUS H7607BA 107,0 tok/s
DRVnach Treiber
unbekannt 1.683,8 tok/s★ NVIDIA 590.48.01 / CUDA 13.1 161,1 tok/s dieser LaufAMD 7.0.0-27-generic 91,4 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
15 W
⚡ TDP
140 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)140 W geschätzt (TDP)GPU 140 W Volllast
Ø-Kosten / Stunde0,042 EUR
Strom / 1 Mio. Token0,090 EUR
Token / kWh3,33 Mio.
Anschaffung (System)5.800 EUR TeilpreisGPU 4.000 EUR · RAM 1.680 EUR · Netzteil 120 EUR
Stromkosten (2 Jahre)–
TCO (2 Jahre)6.536 EUR
Output-Token (2 Jahre)8,17 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 (15 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
| Qwen3-30B-A3B-Thinking-2507NVIDIA DGX SPARK (GB10) | Qwen3-30B-A3B-Thinking-2507NVIDIA GeForce RTX 5090 | Qwen3-30B-A3B-Thinking-2507NVIDIA RTX PRO 6000 Blackwell Workstation Edition | Qwen3-30B-A3B-Thinking-2507NVIDIA RTX PRO 6000 Blackwell 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 DGX SPARK (GB10) · dieser Lauf 129 tok/sNVIDIA GeForce RTX 5090 935 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 926 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 901 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.