# LLM-Benchmark Konfiguration # Modell : Qwen3-30B-A3B-Instruct-2507 # Engine : llama.cpp # Run-ID : run-20260723-015519-3c62ae # 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?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
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	8192
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.	/opt/models/Meta-Llama-3.1-8B-Instruct-Q4_K_M.gguf
NUMA?NUMA-Optimierung fuer Multi-Socket-CPUs: distribute/isolate/numactl. Verbessert die Speicherlokalitaet.	distribute
Threads?Anzahl CPU-Threads fuer die Token-Generierung (Decode).	64
Batch-Threads?Anzahl CPU-Threads fuer Prompt-Verarbeitung und Batch (Prefill).	64
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	8192

Alle Benchmarks dieses Modells Zum Leaderboard

Model comparison

Qwen3-30B-A3B-Instruct-2507 auf verschiedener Hardware

Alle veroeffentlichten 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 961,5 tok/sNVIDIA GeForce RTX 5090 909,3 tok/sNVIDIA GeForce RTX 3090 Ti 901,9 tok/sAMD Radeon AI PRO R9700 191,9 tok/sAMD Radeon 8060S Graphics 107,6 tok/s★ CPU-only 7,1 tok/s dieser Lauf

CPUnach Prozessor

AMD Ryzen 9 9950X 16-Core Processor 961,5 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 909,3 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 901,9 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 191,9 tok/sAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 107,6 tok/s★ Intel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 7,1 tok/s dieser Lauf

MBnach Mainboard

unbekannt 961,5 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 191,9 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd SHWSA (MS-S1 MAX) 107,6 tok/s★ Dell Inc. PowerEdge R820 7,1 tok/s dieser Lauf

ENGnach Engine

vLLM 961,5 tok/s★ llama.cpp 475,0 tok/s dieser Lauf

DRVnach Treiber

unbekannt 961,5 tok/sNVIDIA 580.159.03 / CUDA 13.0 909,3 tok/sAMD 7.0.0-27-generic 191,9 tok/sROCm 7.2.0 107,6 tok/s

Contributed by

Mario Alka Administrator

@marioalka

Gruender von godcore.de und Betreiber von llm-benchmark.de. Ich teste KI-Sprachmodelle auf echter Hardware, messe Tempo (Token/s) und Aufgaben-Qualitaet und teile die Ergebnisse offen und reproduzierbar.