NVIDIA
NVIDIA-Nemotron-3-Nano-4B
Performancebenchmark · gemessen am 22.07.2026 19:36
Benchmark-ID
run-20260722-194041-46cba2Timebench 3 - Kombi (Prefill + Generation)Dense4BRuntime: llama.cppQuantisierung: Q4_K_M
Generation4,94tok/s
Prefill40,67tok/s
Time to First Token62.079,00ms
Gesamtdauer506,56s
Concurrency1parallel
Einordnung im Feld
134von 140 Systemen
Performancebenchmark · Leitmetrik: Generation-Speed (tok/s)
Dieser Lauf ist besser als 4 % aller vergleichbaren Systeme.
Generation
4,9 tok/s
-88 % vs Ø 41,1
Prefill
40,7 tok/s
-99 % vs Ø 2.784,3
Time to First Token
62.079 ms
+1.854 % vs Ø 3.177
Verteilung im Feld1 – 148 tok/s
Wie schlägt sich dieser Benchmark?
gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260722-165909-85f64f
147,8 tok/s
gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260722-165909-637af7
143,9 tok/s
gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260722-165909-65d35f
137,7 tok/s
Nemotron-Cascade-2-30B-A3B3× AMD Radeon AI PRO R9700 · run-20260722-181156-a273f2
107,9 tok/s
Nemotron-3-Nano-Omni-30B-A3B-Reasoning3× AMD Radeon AI PRO R9700 · run-20260722-182228-95c528
102,9 tok/s
gpt-oss-120b3× AMD Radeon AI PRO R9700 · run-20260722-165909-4e3ede
99,8 tok/s
Qwen3-30B-A3B-Instruct-25073× AMD Radeon AI PRO R9700 · run-20260722-165907-cc8f3f
97,6 tok/s
NVIDIA-Nemotron-3-Nano-4B gleiches Modell3× AMD Radeon AI PRO R9700 · run-20260722-190202-45dc8e
93,4 tok/s
Qwen3-30B-A3B-Thinking-25073× AMD Radeon AI PRO R9700 · run-20260722-165908-5712c8
91,4 tok/s
Qwen3-30B-A3B-Instruct-25073× AMD Radeon AI PRO R9700 · run-20260722-165907-b20fe5
91,0 tok/s
Qwen3-VL-30B-A3B-Instruct3× AMD Radeon AI PRO R9700 · run-20260722-165908-4d91c3
89,8 tok/s
Qwen3-30B-A3B-Thinking-25073× AMD Radeon AI PRO R9700 · run-20260722-165908-40e052
88,6 tok/s
Qwen3-Coder-30B-A3B-Instruct3× AMD Radeon AI PRO R9700 · run-20260722-165907-0a4b43
88,2 tok/s
Qwen3-30B-A3B-Thinking-25073× AMD Radeon AI PRO R9700 · run-20260722-165907-83951d
87,8 tok/s
NVIDIA-Nemotron-3-Nano-4B dieser LaufKeine GPU (CPU-only) · run-20260722-194041-46cba2
4,9 tok/s
Hardware
GPU: Keine GPU (CPU-only) · 0 GB VRAM
CPU: 51x Intel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz
RAM: 504 GB
Setup
Runtime: llama.cpp
Quantisierung: Q4_K_M
Modell: NVIDIA-Nemotron-3-Nano-4B
Konfiguration
# LLM-Benchmark Konfiguration
# Modell : NVIDIA-Nemotron-3-Nano-4B
# Engine : llama.cpp
# Run-ID : run-20260722-194041-46cba2
# GPU : Keine GPU (CPU-only)
# CPU : 51x Intel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz
# RAM : 504 GB
bench@llm-benchmark:~$ /opt/llama.cpp/build/bin/llama-server \
-m /opt/models/Meta-Llama-3.1-8B-Instruct-Q4_K_M.gguf \
--host 10.220.231.216 \
--port 8081 \
--numa distribute \
-t 64 \
-tb 64 \
-c 8192
| Engine | llamacpp |
| Kontextlaenge | 8192 |
| Modellpfad | /opt/models/Meta-Llama-3.1-8B-Instruct-Q4_K_M.gguf |
| NUMA | distribute |
| Threads | 64 |
| Batch-Threads | 64 |
| Kontext | 8192 |