# LLM-Benchmark Konfiguration # Modell : gpt-oss-20b # Engine : llama.cpp # Run-ID : run-20261024-143953-fe7e7e # GPU : NVIDIA RTX SPARK (N1X) # CPU : NVIDIA RTX Spark N1X (6144-core GPU, 20-core CPU) # RAM : 128 GB bench@llm-benchmark:~$ 'C:\Users\mail\.lmstudio\extensions\backends\llama.cpp-win-arm64-nvidia-cuda13-2.61.0\llama-server.exe' \ --model 'C:\Users\mail\Documents\Codex\2026-10-24\mach\work\models\gpt-oss-20b-MXFP4.gguf' \ --alias benchmark-local \ --host 127.0.0.1 \ --port 18765 \ --device CUDA0 \ --gpu-layers all \ --parallel 10 \ --kv-unified \ --kv-unified-per-slot 4096 \ --cache-type-k q8_0 \ --cache-type-v q8_0 \ --threads 20 \ --threads-batch 20 \ --batch-size 1024 \ --ubatch-size 256 \ --flash-attn on \ --fit off \ --no-cache-prompt \ --no-cache-idle-slots \ --cache-ram 0 \ --spec-type none \ --metrics \ --slots

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-20b
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	4096
Batch-Groesse?Logische Batchgroesse fuer die Prompt-Verarbeitung (Anzahl Token pro Prefill-Durchlauf).	1024
cache-ram	0
K-Cache-Typ?Datentyp des K-Anteils im KV-Cache (f16/q8_0/q4_0 ...). Quantisiert senkt den VRAM-Bedarf bei leichtem Qualitaetsverlust.	q8_0
V-Cache-Typ?Datentyp des V-Anteils im KV-Cache (f16/q8_0/q4_0 ...). Quantisierung braucht meist aktiviertes flash-attn.	q8_0
device	CUDA0
fit	off
Flash Attention?FlashAttention fuer schnellere und speichersparende Attention. Wert on/off/auto je nach Build.	on
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.	all
kv-unified	aktiv
kv-unified-per-slot	4096
metrics	aktiv
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.	C:\Users\mail\Documents\Codex\2026-10-24\mach\work\models\gpt-oss-20b-MXFP4.gguf
no-cache-idle-slots	aktiv
no-cache-prompt	aktiv
Parallel?Anzahl paralleler Slots/Sequenzen, die der Server gleichzeitig bedient. Der Kontext wird auf die Slots aufgeteilt.	10
slots	aktiv
spec-type	none
Threads?Anzahl CPU-Threads fuer die Token-Generierung (Decode).	20
Batch-Threads?Anzahl CPU-Threads fuer Prompt-Verarbeitung und Batch (Prefill).	20
Micro-Batch?Physische Micro-Batchgroesse. Begrenzt, wie viele Token gleichzeitig durch die Compute-Pipeline laufen.	256
execution_type	local

All benchmarks of this model To leaderboard

Model comparison

gpt-oss-20b 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 Workstation Edition 1.995,4 tok/sNVIDIA GeForce RTX 5090 1.890,7 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.835,7 tok/sNVIDIA GeForce RTX 5070 Ti 1.210,3 tok/sNVIDIA GeForce RTX 3090 Ti 1.113,5 tok/sNVIDIA RTX A6000 703,8 tok/sNVIDIA GeForce RTX 3090 448,2 tok/sAMD Radeon RX 7900 XTX 357,7 tok/sAMD Radeon PRO W7900 Dual Slot 344,1 tok/sAMD Radeon AI PRO R9700 323,6 tok/sAMD Radeon PRO W7800 48GB 280,0 tok/sNVIDIA DGX SPARK (GB10) 233,3 tok/sNVIDIA Tesla V100 PCIe 32GB 206,6 tok/s★ NVIDIA RTX SPARK (N1X) 200,5 tok/s this runNVIDIA Tesla P100 PCIe 16GB 111,1 tok/sAMD Radeon 8060S Graphics 74,4 tok/sCPU-only 70,9 tok/s

CPUby processor

AMD Ryzen 9 9950X 16-Core Processor 1.995,4 tok/sAMD Ryzen 5 5600X 6-Core Processor 1.981,1 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 1.890,7 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.835,7 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 1.210,3 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 1.113,5 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 703,8 tok/sAMD Ryzen Threadripper PRO 3955WX 16-Cores 357,7 tok/sAMD Ryzen 3 3100 4-Core Processor 323,6 tok/sIntel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 247,3 tok/sNVIDIA Grace 233,3 tok/sAMD Ryzen 3 PRO 3200GE w/ Radeon Vega Graphics 206,6 tok/s★ NVIDIA RTX Spark N1X (6144-core GPU, 20-core CPU) 200,5 tok/s this runAMD Ryzen 9 7945HX with Radeon Graphics 111,1 tok/sAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 74,4 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 14,5 tok/s

MBby mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.995,4 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.981,1 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.835,7 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 1.210,3 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 1.113,5 tok/sASUSTeK COMPUTER INC. PRIME A520M-K 572,1 tok/sASUSTeK COMPUTER INC. ROG STRIX X570-F GAMING 323,6 tok/sDell Inc. PowerEdge R820 247,3 tok/sASUSTeK COMPUTER INC. GX10 233,3 tok/s★ ASUS H7607BA 200,5 tok/s this runShenzhen Meigao Electronic Equipment Co.,Ltd F1FXM (DeskMini Series) 111,1 tok/sBosgame AXB35-02 (BeyondMax Series) 74,4 tok/s

ENGby engine

★ llama.cpp 1.995,4 tok/s this runvLLM 1.443,9 tok/sunbekannt 147,8 tok/s

DRVby driver

unbekannt 1.995,4 tok/sNVIDIA 590.48.01 / CUDA 13.1 233,3 tok/sAMD 7.0.0-27-generic 147,8 tok/s

💰 Economics

Economics of this run

Operating cost, TCO and comparison with the next-best runs of the same model at identical concurrency (5× 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 %

🔌 Idle 0 W

⚡ TDP 10 W

☁️ External LLM (API) show

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

Electricity0.30 EUR/kWh

Avg power (incl. idle)0 W missing

Avg cost / hour–

Electricity / 1M tokens–

Token / kWh–

Acquisition (system)– missing

Electricity (2 years)–

TCO (2 years)–

Output tokens (2 years)7.55B

☁️ External LLM (API) – comparison

External LLM cost (2 years)–

Savings vs. external (2 years)–

No power draw measured – values estimated from GPU TDP + CPU (idle + 15 %) + board.

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 (0 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

	gpt-oss-20bNVIDIA RTX SPARK (N1X)	gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition	gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition	gpt-oss-20bNVIDIA GeForce RTX 5090
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 SPARK (N1X) · this run 120 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 1,136 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 1,135 tok/s NVIDIA GeForce RTX 5090 1,114 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.