ℹ

Öffentliche Anmerkung: NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 96GB . Ling-3.0-flash NVFP4 (4-Bit, compressed-tensors nvfp4-pack-quantized, Gruppe 16) . vLLM 0.32.0, MARLIN NvFp4-MoE-Backend, TRITON_MLA Attention, max-model-len 8192, max-num-seqs 12, gpu-memory-utilization 0.93

⚠

Konfigurations-Hinweis: Es sind 2 Grafikkarten installiert, aber nur 1 wurde fuer diesen Lauf genutzt. Mit allen 2 GPUs koennte der Durchsatz deutlich hoeher liegen.

Generation417,52tok/s

Prefill12.747,32tok/s

Time to First Token958,50ms

Gesamtdauer26,46s

Concurrency5parallel

Einordnung im Feld

Diese GPU Alle GPUs

301von 1512 Systemen

Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 5× parallel

Dieser Lauf ist besser als 80 % aller vergleichbaren Systeme.

Generation 417,5 tok/s

+63 % vs Ø 256,0

Prefill 12.747,3 tok/s

+135 % vs Ø 5.429,9

Time to First Token 959 ms

-97 % vs Ø 29.391

Verteilung im Feld0 – 1.349 tok/s

Ø 256 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181606-0adf6d

1.349,3 tok/s

gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20261023-071844-e5e309

1.348,4 tok/s

gemma-4-E2B-itNVIDIA GeForce RTX 5090 · run-20260728-184455-5b4937

1.301,9 tok/s

gemma-4-E2B-it3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-184456-4111a9

1.195,7 tok/s

NVIDIA-Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181607-30d864

1.188,7 tok/s

NVIDIA-Nemotron-3-Nano-4BNVIDIA GeForce RTX 5090 · run-20260728-194135-5432cd

1.164,8 tok/s

NVIDIA-Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20261023-071851-c3c4a5

1.154,4 tok/s

gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260728-140954-9e81f9

1.136,3 tok/s

gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260730-035052-09627f

1.135,0 tok/s

NVIDIA-Nemotron-3.5-Lightning-30B-A3BNVIDIA GeForce RTX 3090 Ti · run-20261021-093815-b22926

1.135,0 tok/s

gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260729-032121-058a31

1.113,5 tok/s

gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20261023-071836-99dfa5

1.105,8 tok/s

NVIDIA-Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-836a91

1.090,6 tok/s

NVIDIA-Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260727-181606-8b381e

1.077,4 tok/s

Ling-3.0-flash dieser LaufNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20261024-140625-e1036d

417,5 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 Edition dieser Laufrun-20261024-140625-e1036d

417,5 tok/s

2× NVIDIA RTX A6000run-20260930-145235-42ea2e

343,9 tok/s

2× NVIDIA RTX A6000run-20261001-120303-dcc8f0

190,5 tok/s

2× NVIDIA RTX A6000run-20261001-081040-aff406

190,1 tok/s

2× NVIDIA RTX A6000run-20260925-162606-8b7351

184,8 tok/s

NVIDIA DGX SPARK (GB10)run-20260820-173706-3b8d9a

142,8 tok/s

NVIDIA DGX SPARK (GB10)run-20260820-131510-106a01

140,4 tok/s

NVIDIA DGX SPARK (GB10)run-20260820-131510-86a354

139,8 tok/s

4× AMD Radeon AI PRO R9700run-20260820-050509-a93a3e

131,4 tok/s

2× AMD Radeon PRO W7900 Dual Slotrun-20260820-061102-a8023a

130,6 tok/s

2× AMD Radeon PRO W7900 Dual Slotrun-20260820-050509-8942fa

129,9 tok/s

4× AMD Radeon AI PRO R9700run-20260820-035952-212f92

125,3 tok/s

2× AMD Radeon PRO W7900 Dual Slotrun-20260820-035952-691c87

119,8 tok/s

4× AMD Radeon AI PRO R9700run-20260818-060834-a804d9

98,8 tok/s

Hardware

GPU: NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · 96 GB VRAM
CPU: AMD Ryzen 9 7945HX with Radeon Graphics
RAM: 60 GB
Mainboard: Shenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series)

Setup

Runtime: vLLM
Quantisierung: NVFP4
Modell: Ling-3.0-flash

Konfiguration

benchmark-konfiguration — run-20261024-140625-e1036d

# LLM-Benchmark Konfiguration # Modell : Ling-3.0-flash # Engine : vLLM # Run-ID : run-20261024-140625-e1036d # GPU : NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition # CPU : AMD Ryzen 9 7945HX with Radeon Graphics # RAM : 60 GB bench@llm-benchmark:~$ /usr/bin/python3 /usr/local/bin/vllm serve /model \ --served-model-name Ling-3.0-flash \ --trust-remote-code \ --max-model-len 8192 \ --max-num-seqs 12 \ --gpu-memory-utilization 0.93 \ --port 8000 \ --host 0.0.0.0

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.	Ling-3.0-flash
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	8192
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.	Ling-3.0-flash
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
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	8192
Max-Sequenzen?Maximale Anzahl gleichzeitig bearbeiteter Anfragen (Batch-Groesse). Hoeher = mehr Durchsatz, braucht aber mehr KV-Cache-Speicher.	12
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'.	0.93
execution_type	local

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Ling-3.0-flash 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 697,4 tok/s dieser LaufNVIDIA RTX A6000 388,1 tok/sNVIDIA DGX SPARK (GB10) 253,7 tok/sAMD Radeon PRO W7900 Dual Slot 165,7 tok/sAMD Radeon AI PRO R9700 160,2 tok/sAMD Radeon RX 7900 XTX 133,0 tok/s

CPUnach Prozessor

★ AMD Ryzen 9 7945HX with Radeon Graphics 697,4 tok/s dieser LaufAMD EPYC 7203P 8-Core Processor 388,1 tok/sNVIDIA Grace 253,7 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 165,7 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 160,2 tok/sAMD Ryzen Threadripper PRO 3955WX 16-Cores 133,0 tok/sIntel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 14,9 tok/s

MBnach Mainboard

★ Shenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series) 697,4 tok/s dieser LaufASRockRack ROMED8-2T/BCM 388,1 tok/sASUSTeK COMPUTER INC. GX10 253,7 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 194,7 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 160,2 tok/sDell Inc. PowerEdge R820 14,9 tok/s

ENGnach Engine

★ vLLM 697,4 tok/s dieser Laufllama.cpp 253,7 tok/s

DRVnach Treiber

unbekannt 697,4 tok/sNVIDIA 590.48.01 / CUDA 13.1 253,7 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 übernehmen Zurücksetzen

⚡ Strompreis EUR/kWh

⚙️ System-Auslastung 100 %

🖥️ Anschaffung EUR

🔌 Idle 30 W

⚡ TDP 300 W

☁️ Externes LLM (API) anzeigen

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

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)300 W geschätzt (TDP)GPU 300 W Volllast

Ø-Kosten / Stunde0,090 EUR

Strom / 1 Mio. Token0,060 EUR

Token / kWh5,01 Mio.

Anschaffung (System)13.120 EUR TeilpreisGPU 13.000 EUR · Netzteil 120 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)14.697 EUR

Output-Token (2 Jahre)26,33 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 (30 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

	Ling-3.0-flashNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	Ling-3.0-flash2x NVIDIA RTX A6000	Ling-3.0-flash2x NVIDIA RTX A6000	Ling-3.0-flash2x NVIDIA 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 418 tok/s 2× NVIDIA RTX A6000 344 tok/s 2× NVIDIA RTX A6000 190 tok/s 2× NVIDIA RTX A6000 190 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.