Beigesteuert vonMario AlkaMeta Meta-Llama-3.1-8B-Instruct
Performancebenchmark · gemessen am 11.11.2026 10:59
Benchmark-ID
run-20261111-100448-905829Timebench 3 - Kombi (Prefill + Generation)Dense8BRuntime: vLLM
ℹ
Öffentliche Anmerkung: RTX A6000, eine Karte, vLLM, BF16 unquantisiert, 15,0 GiB vollstaendig im VRAM, kein Offload. Kontext 4096, 10 parallele Stroeme. gpu-unlock ist auf dieser Karte nicht anwendbar: die PCI-ID 0x2230 fehlt in der Geraeteliste des Projekts, professionelle RTX-A-Karten laufen ohnehin ohne die GeForce-Drosselung. Power-Limit 300 W.
⚠
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.
Generation317,00tok/s
Prefill14.848,54tok/s
Time to First Token2.491,50ms
Gesamtdauer69,91s
Concurrency10parallel
Einordnung im Feld
667von 1504 Systemen
Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 10× parallel
Dieser Lauf ist besser als 56 % aller vergleichbaren Systeme.
Generation
317,0 tok/s
-29 % vs Ø 448,1
Prefill
14.848,5 tok/s
+115 % vs Ø 6.896,3
Time to First Token
2.492 ms
-94 % vs Ø 43.827
Verteilung im Feld0 – 3.484 tok/s
Wie schlägt sich dieser Benchmark mit anderen Modellen?
NVIDIA-Nemotron-3.5-Lightning-30B-A3BNVIDIA GeForce RTX 3090 · run-20261026-180644-063abd
3.484,3 tok/s
NVIDIA-Nemotron-3.5-Lightning-30B-A3BNVIDIA GeForce RTX 3090 · run-20261026-183943-bbe82c
2.867,2 tok/s
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
NVIDIA-Nemotron-3.5-Lightning-30B-A3BNVIDIA GeForce RTX 3090 Ti · run-20261021-093815-dce558
2.263,7 tok/s
NVIDIA-Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181607-4cca42
2.182,7 tok/s
NVIDIA-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
NVIDIA-Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-0aed86
1.937,7 tok/s
NVIDIA-Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-8db0fa
1.911,6 tok/s
Meta-Llama-3.1-8B-Instruct dieser Lauf2× 2x NVIDIA RTX A6000 · run-20261111-100448-905829
317,0 tok/s
Wie schlägt sich dieser Benchmark mit anderen GPUs?
Dasselbe Modell auf anderer Hardware · 10× parallel · Generation (tok/s)
NVIDIA GeForce RTX 5090run-20260729-060803-89a23b
1.593,1 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260728-194137-bfb176
1.533,0 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20261023-071801-8dbebc
1.528,7 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-060805-dd9a79
1.433,0 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-060805-c881cb
1.383,2 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-060805-555c35
1.267,6 tok/s
2× NVIDIA RTX A6000run-20260829-095458-e46a39
1.026,4 tok/s
NVIDIA GeForce RTX 5070 Tirun-20260728-194135-ea27af
913,4 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260729-032127-e71a50
837,9 tok/s
2× NVIDIA RTX A6000run-20260829-102814-184392
833,0 tok/s
NVIDIA RTX A6000run-20260826-190954-1afe6b
576,8 tok/s
2× NVIDIA RTX A6000run-20260827-104702-2a6487
534,8 tok/s
3× AMD Radeon AI PRO R9700run-20260805-053400-6ade10
518,3 tok/s
3× AMD Radeon AI PRO R9700run-20260805-053359-dd069f
508,1 tok/s
Hardware
GPU: 2x NVIDIA RTX A6000 · 48 GB VRAM
CPU: AMD EPYC 7203P 8-Core Processor
RAM: 126 GB
Mainboard: ASRockRack ROMED8-2T/BCM
Setup
Runtime: vLLM
Quantisierung: -
Modell: Meta-Llama-3.1-8B-Instruct
Konfiguration
# LLM-Benchmark Konfiguration
# Modell : Meta-Llama-3.1-8B-Instruct
# Engine : vLLM
# Run-ID : run-20261111-100448-905829
# GPU : 2x NVIDIA RTX A6000
# CPU : AMD EPYC 7203P 8-Core Processor
# RAM : 126 GB
bench@llm-benchmark:~$ vllm serve \
--model /home/godcore/models_bench/Llama-3.1-8B-Instruct \
--served-model-name Llama-3.1-8B-Instruct \
--dtype bfloat16 \
--max-model-len 4096 \
--max-num-seqs 10 \
--gpu-memory-utilization 0.90
| 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. | Llama-3.1-8B-Instruct |
| Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann. | 4096 |
| Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen. | Llama-3.1-8B-Instruct |
| Dtype?Zahlenformat der Modellgewichte bei der Berechnung (z.B. auto, float16, bfloat16). 'auto' waehlt automatisch das vom Modell empfohlene Format. | bfloat16 |
| Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells. | 4096 |
| Max-Sequenzen?Maximale Anzahl gleichzeitig bearbeiteter Anfragen (Batch-Groesse). Hoeher = mehr Durchsatz, braucht aber mehr KV-Cache-Speicher. | 10 |
| 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'. | 0.90 |
| execution_type | local |
Anzeige
Modell-Vergleich
Meta-Llama-3.1-8B-Instruct 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 1.593,1 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.533,0 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.433,0 tok/s★ NVIDIA RTX A6000 1.026,4 tok/s dieser LaufNVIDIA GeForce RTX 5070 Ti 913,4 tok/sNVIDIA GeForce RTX 3090 Ti 837,9 tok/sAMD Radeon AI PRO R9700 518,3 tok/sNVIDIA GeForce RTX 4090 489,7 tok/sAMD Radeon RX 7900 XTX 405,0 tok/sNVIDIA GeForce RTX 3090 385,9 tok/sAMD Radeon PRO W7800 48GB 323,1 tok/sNVIDIA GeForce RTX 2060 169,0 tok/sNVIDIA Tesla V100 PCIe 32GB 122,6 tok/sNVIDIA Tesla P100 PCIe 16GB 67,6 tok/sIntel Arc Pro B70 66,4 tok/sCPU-only 3,6 tok/s
CPUnach Prozessor
AMD Ryzen 7 5800X3D 8-Core Processor 1.593,1 tok/sAMD Ryzen 9 9950X 16-Core Processor 1.533,0 tok/sAMD Ryzen 5 5600X 6-Core Processor 1.528,7 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.433,0 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 1.026,4 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 913,4 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 837,9 tok/sAMD Ryzen 3 3100 4-Core Processor 489,7 tok/sAMD Ryzen Threadripper PRO 3955WX 16-Cores 405,0 tok/s★ AMD EPYC 7203P 8-Core Processor 317,0 tok/s dieser LaufIntel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 266,7 tok/sIntel(R) Core(TM) i5-7400 CPU @ 3.00GHz 130,9 tok/sAMD Ryzen 3 PRO 3200GE w/ Radeon Vega Graphics 122,6 tok/sAMD Ryzen 9 7945HX with Radeon Graphics 67,6 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 3,6 tok/s4 x Cortex-A78C + 4 x Cortex-A55 1,2 tok/s
MBnach Mainboard
ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.593,1 tok/sASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.533,0 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.433,0 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 913,4 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 837,9 tok/sMicro-Star International Co., Ltd. B550M PRO-VDH WIFI (MS-7C95) 489,7 tok/s★ ASRockRack ROMED8-2T/BCM 317,0 tok/s dieser LaufDell Inc. PowerEdge R820 266,7 tok/sASUSTeK COMPUTER INC. ROG STRIX X570-F GAMING 258,8 tok/sASRock H110 Pro BTC+ 130,9 tok/sShenzhen Meigao Electronic Equipment Co.,Ltd F1FXM (DeskMini Series) 67,6 tok/sShenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series) 66,4 tok/sunbekannt 1,2 tok/s
DRVnach Treiber
unbekannt 1.593,1 tok/sIntel 26.18.38308.4 66,4 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 übernehmenZurücksetzen
⚡ Strompreis
EUR/kWh
⚙️ System-Auslastung
100 %
🖥️ Anschaffung
EUR
🔌 Idle
15 W
⚡ TDP
300 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)300 W geschätzt (TDP)GPU 300 W Volllast
Ø-Kosten / Stunde0,090 EUR
Strom / 1 Mio. Token0,079 EUR
Token / kWh3,80 Mio.
Anschaffung (System)3.120 EUR TeilpreisGPU 3.000 EUR · Netzteil 120 EUR
Stromkosten (2 Jahre)–
TCO (2 Jahre)4.697 EUR
Output-Token (2 Jahre)19,99 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
| Meta-Llama-3.1-8B-InstructNVIDIA RTX A6000 | Meta-Llama-3.1-8B-InstructNVIDIA GeForce RTX 5090 | Meta-Llama-3.1-8B-InstructNVIDIA RTX PRO 6000 Blackwell Workstation Edition | Meta-Llama-3.1-8B-InstructNVIDIA 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 RTX A6000 · dieser Lauf 317 tok/sNVIDIA GeForce RTX 5090 1.593 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.533 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.529 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.