ℹ

Öffentliche Anmerkung: NVIDIA GB10 (DGX Spark, 120GB Unified Memory) . gpt-oss-120b Q4_K_M (2 Shards, 58,5 GiB) . llama.cpp b10507 native aarch64, vollstaendig im Unified Memory (kein Offload, kein Paging), -ngl 999, -np 12, -c 49152

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.

Generation135,08tok/s

Prefill1.547,86tok/s

Time to First Token12.948,00ms

Gesamtdauer180,55s

Concurrency10parallel

Einordnung im Feld

Diese GPU Alle GPUs

1046von 1477 Systemen

Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 10× parallel

Dieser Lauf ist besser als 29 % aller vergleichbaren Systeme.

Generation 135,1 tok/s

-70 % vs Ø 445,4

Prefill 1.547,9 tok/s

-77 % vs Ø 6.827,8

Time to First Token 12.948 ms

-71 % vs Ø 44.512

Verteilung im Feld0 – 2.491 tok/s

Ø 445 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

gemma-4-E2B-itNVIDIA GeForce RTX 5090 · run-20260728-184455-e28775

2.491,2 tok/s

gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181606-b37ed9

2.414,4 tok/s

gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20261023-065752-48370d

2.412,3 tok/s

Nemotron-3.5-Lightning-30B-A3BNVIDIA GeForce RTX 3090 Ti · run-20261021-093815-dce558

2.263,7 tok/s

Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181607-4cca42

2.182,7 tok/s

Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20261023-065758-96fe6a

2.144,3 tok/s

gemma-4-E2B-it3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-184456-d87c73

2.143,6 tok/s

gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260730-035052-9c966e

1.995,4 tok/s

gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260728-140954-8007c4

1.993,5 tok/s

gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20261023-065808-332d1f

1.981,1 tok/s

Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-0aed86

1.937,7 tok/s

Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-8db0fa

1.911,6 tok/s

Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260727-181606-e0eafd

1.897,0 tok/s

gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260729-032121-7c961d

1.890,7 tok/s

gpt-oss-120b dieser LaufNVIDIA GB10 (DGX Spark) · run-20261024-122736-e9fae0

135,1 tok/s

Wie schlägt sich dieser Benchmark mit anderen GPUs?

Dasselbe Modell auf anderer Hardware · 10× parallel · Generation (tok/s)

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260728-140953-f26a76

1.335,9 tok/s

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260729-224611-44e81d

1.274,7 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260728-034051-d52467

1.229,7 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032120-5069d9

1.220,8 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032120-8c69d5

1.214,9 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032120-67f4b8

1.122,3 tok/s

2× AMD Radeon PRO W7900 Dual Slotrun-20260818-172656-ec2b33

209,8 tok/s

NVIDIA GB10 dieser Laufrun-20261024-122736-e9fae0

135,1 tok/s

NVIDIA RTX Spark N1X (6144-core Blackwell RTX GPU)run-20261024-143953-835e9c

111,9 tok/s

3× AMD Radeon AI PRO R9700run-20260806-094434-540814

107,0 tok/s

3× AMD Radeon AI PRO R9700run-20260806-094435-c5a756

106,9 tok/s

3× AMD Radeon AI PRO R9700run-20260806-094435-9251c8

105,4 tok/s

NVIDIA GeForce RTX 3090 Tirun-20260728-034052-2683e4

85,3 tok/s

NVIDIA GeForce RTX 5070 Tirun-20260727-145956-fb4fba

60,1 tok/s

Hardware

GPU: NVIDIA 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: gpt-oss-120b

Konfiguration

benchmark-konfiguration — run-20261024-122736-e9fae0

# LLM-Benchmark Konfiguration # Modell : gpt-oss-120b # Engine : llama.cpp # Run-ID : run-20261024-122736-e9fae0 # GPU : NVIDIA GB10 # CPU : NVIDIA Grace # RAM : 120 GB bench@llm-benchmark:~$ llama-server \ -m /home/godcore/bench_models/openai_gpt-oss-120b-Q4_K_M-00001-of-00002.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.	gpt-oss-120b
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

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/s★ NVIDIA GB10 (DGX Spark) 135,1 tok/s dieser LaufNVIDIA 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/sNVIDIA GeForce RTX 3090 18,1 tok/sAMD 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/s★ NVIDIA Grace 135,1 tok/s dieser LaufNVIDIA 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/sAMD Ryzen 5 5600X 6-Core Processor 18,1 tok/sIntel(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/s★ ASUSTeK COMPUTER INC. GX10 135,1 tok/s dieser LaufASUS H7607BA 111,9 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 85,3 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 42,3 tok/sShenzhen 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/s★ NVIDIA 590.48.01 / CUDA 13.1 135,1 tok/s dieser LaufAMD 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 (10× 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 15 W

⚡ TDP 140 W

☁️ Externes LLM (API) anzeigen

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

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)140 W geschätzt (TDP)GPU 140 W Volllast

Ø-Kosten / Stunde0,042 EUR

Strom / 1 Mio. Token0,086 EUR

Token / kWh3,47 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)8,52 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

	gpt-oss-120bNVIDIA GB10 (DGX Spark)	gpt-oss-120bNVIDIA RTX PRO 6000 Blackwell Workstation Edition	gpt-oss-120bNVIDIA RTX PRO 6000 Blackwell 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 GB10 (DGX Spark) · dieser Lauf 135 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.336 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.275 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.230 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.