Created bymario-alka.dePowered bygodcore.denoob2claw.detricoma.de
DEEN
Anmelden Registrieren
Beta
Beigesteuert vonMario AlkaOpenAI

gpt-oss-20b

Performancebenchmark · gemessen am 22.07.2026 21:55

Benchmark-IDrun-20260723-015519-fedc1a
Timebench 3 - Kombi (Prefill + Generation)MoE21BRuntime: llama.cppQuantisierung: Q4_K_M
Generation6,46tok/s
Prefill79,02tok/s
Time to First Token25.000,00ms
Gesamtdauer367,14s
Concurrency1parallel
Einordnung im Feld
555von 597 Systemen

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

Dieser Lauf ist besser als 7 % aller vergleichbaren Systeme.
Generation 6,5 tok/s
-97 % vs Ø 244,1
Prefill 79,0 tok/s
-99 % vs Ø 5.353,8
Time to First Token 25.000 ms
+90 % vs Ø 13.148
Verteilung im Feld0 – 1.444 tok/s
Ø 244 Median Dieser Lauf

Wie schlägt sich dieser Benchmark?

gpt-oss-20b gleiches ModellNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260723-194447-dc199d
1.443,9 tok/s
gpt-oss-20b gleiches ModellNVIDIA GeForce RTX 5090 · run-20260724-004604-1c9023
1.386,8 tok/s
gpt-oss-20b gleiches ModellNVIDIA GeForce RTX 5090 · run-20260723-045447-edeed3
1.295,3 tok/s
Qwen3-Coder-30B-A3B-InstructNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260724-004606-ebf474
1.070,6 tok/s
Qwen3-VL-30B-A3B-InstructNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260724-004607-c49303
1.028,5 tok/s
Ministral-3-14B-Reasoning-2512NVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260723-195749-eebab2
1.015,7 tok/s
Qwen3-Coder-30B-A3B-InstructNVIDIA GeForce RTX 5090 · run-20260723-045450-366dae
966,2 tok/s
Qwen3-30B-A3B-Instruct-2507NVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260724-004604-860045
961,5 tok/s
Codestral-22B-v0.1NVIDIA GeForce RTX 5090 · run-20260724-004612-002f8b
945,4 tok/s
Devstral-Small-2-24B-Instruct-2512NVIDIA GeForce RTX 5090 · run-20260724-004615-7fac5f
924,8 tok/s
Qwen3-Omni-30B-A3B-ThinkingNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260724-004611-a583d6
910,7 tok/s
Qwen3-30B-A3B-Instruct-2507NVIDIA GeForce RTX 5090 · run-20260723-045450-e8df4d
909,3 tok/s
Qwen3-30B-A3B-Thinking-2507NVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260724-004605-f9a3a1
906,0 tok/s
Qwen3-30B-A3B-Instruct-2507NVIDIA GeForce RTX 3090 Ti · run-20260724-004603-3aec22
901,9 tok/s
gpt-oss-20b dieser LaufKeine GPU (CPU-only) · run-20260723-015519-fedc1a
6,5 tok/s

Hardware

GPU: Keine GPU (CPU-only)
CPU: 51x Intel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz
RAM: 504 GB
Mainboard: Dell Inc. PowerEdge R820

Setup

Runtime: llama.cpp
Quantisierung: Q4_K_M
Betriebssystem: Ubuntu 24.04.3 LTS (Kernel 7.0.0-28-generic)
Modell: gpt-oss-20b

Konfiguration

benchmark-konfiguration — run-20260723-015519-fedc1a
# LLM-Benchmark Konfiguration # Modell : gpt-oss-20b # Engine : llama.cpp # Run-ID : run-20260723-015519-fedc1a # 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

Modell-Vergleich

gpt-oss-20b 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

1.8741.4069374690,0011.54323.08534.628Prefill (tok/s)Generation (tok/s)NVIDIA RTX PRO 6000 Blackwell Workstation Edition - 1.443,9 tok/s Generation, 27.939 tok/s Prefill, TTFT 331 ms (3 Laufe)NVIDIA RTX PRO 6000 B...NVIDIA GeForce RTX 5090 - 1.386,8 tok/s Generation, 10.818 tok/s Prefill, TTFT 4.747 ms (15 Laufe)NVIDIA GeForce RTX 50...NVIDIA GeForce RTX 3090 Ti - 797,2 tok/s Generation, 6.391 tok/s Prefill, TTFT 4.088 ms (15 Laufe)NVIDIA GeForce RTX 30...AMD Radeon AI PRO R9700 - 340,5 tok/s Generation, 4.515 tok/s Prefill, TTFT 1.286 ms (8 Laufe)AMD Radeon AI PRO R97...AMD Radeon 8060S Graphics - 173,3 tok/s Generation, 1.617 tok/s Prefill, TTFT 6.404 ms (3 Laufe)AMD Radeon 8060S Grap...CPU-only - 14,5 tok/s Generation, 88 tok/s Prefill, TTFT 122.346 ms (3 Laufe) | DIESER LAUF★ CPU-only
NVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.443,9 tok/sNVIDIA GeForce RTX 5090 1.386,8 tok/sNVIDIA GeForce RTX 3090 Ti 797,2 tok/sAMD Radeon AI PRO R9700 340,5 tok/sAMD Radeon 8060S Graphics 173,3 tok/s★ CPU-only 14,5 tok/s dieser Lauf

CPUnach Prozessor

1.8741.4069374690,0011.54323.08534.628Prefill (tok/s)Generation (tok/s)AMD Ryzen 9 9950X 16-Core Processor - 1.443,9 tok/s Generation, 27.939 tok/s Prefill, TTFT 331 ms (3 Laufe)AMD Ryzen 9 9950X 16-...AMD Ryzen 7 5800X3D 8-Core Processor - 1.386,8 tok/s Generation, 10.818 tok/s Prefill, TTFT 4.747 ms (15 Laufe)AMD Ryzen 7 5800X3D 8...AMD Ryzen 9 8945HX with Radeon Graphics - 797,2 tok/s Generation, 6.391 tok/s Prefill, TTFT 4.088 ms (15 Laufe)AMD Ryzen 9 8945HX wi...AMD Ryzen Threadripper PRO 7955WX 16-Cores - 340,5 tok/s Generation, 4.515 tok/s Prefill, TTFT 1.286 ms (8 Laufe)AMD Ryzen Threadrippe...AMD RYZEN AI MAX+ 395 w/ Radeon 8060S - 173,3 tok/s Generation, 1.617 tok/s Prefill, TTFT 6.404 ms (3 Laufe)AMD RYZEN AI MAX+ 395...Intel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz - 14,5 tok/s Generation, 88 tok/s Prefill, TTFT 122.346 ms (3 Laufe) | DIESER LAUF★ Intel(R) Xeon(R) CPU ...
AMD Ryzen 9 9950X 16-Core Processor 1.443,9 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 1.386,8 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 797,2 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 340,5 tok/sAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 173,3 tok/s★ Intel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 14,5 tok/s dieser Lauf

MBnach Mainboard

1.8741.4069374690,004.2788.55512.833Prefill (tok/s)Generation (tok/s)unbekannt - 1.443,9 tok/s Generation, 10.362 tok/s Prefill, TTFT 4.046 ms (33 Laufe)unbekanntASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE - 340,5 tok/s Generation, 4.515 tok/s Prefill, TTFT 1.286 ms (8 Laufe)ASUSTeK COMPUTER INC....Meigao Innovation Technology (Shen Zhen) Co., Ltd SHWSA (MS-S1 MAX) - 173,3 tok/s Generation, 1.617 tok/s Prefill, TTFT 6.404 ms (3 Laufe)Meigao Innovation Tec...Dell Inc. PowerEdge R820 - 14,5 tok/s Generation, 88 tok/s Prefill, TTFT 122.346 ms (3 Laufe) | DIESER LAUF★ Dell Inc. PowerEdge R...
unbekannt 1.443,9 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 340,5 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd SHWSA (MS-S1 MAX) 173,3 tok/s★ Dell Inc. PowerEdge R820 14,5 tok/s dieser Lauf

ENGnach Engine

1.7071.4271.1468655853.9346.7109.48512.261Prefill (tok/s)Generation (tok/s)vLLM - 1.443,9 tok/s Generation, 10.687 tok/s Prefill, TTFT 4.953 ms (24 Laufe)vLLMllama.cpp - 848,3 tok/s Generation, 5.508 tok/s Prefill, TTFT 17.877 ms (23 Laufe) | DIESER LAUF★ llama.cpp
vLLM 1.443,9 tok/s★ llama.cpp 848,3 tok/s dieser Lauf

DRVnach Treiber

1.8421.3829214610,004.3748.74913.123Prefill (tok/s)Generation (tok/s)unbekannt - 1.443,9 tok/s Generation, 8.569 tok/s Prefill, TTFT 20.445 ms (21 Laufe)unbekanntNVIDIA 580.159.03 / CUDA 13.0 - 1.386,8 tok/s Generation, 10.818 tok/s Prefill, TTFT 4.747 ms (15 Laufe)NVIDIA 580.159.03 / C...AMD 7.0.0-27-generic - 340,5 tok/s Generation, 4.515 tok/s Prefill, TTFT 1.286 ms (8 Laufe)AMD 7.0.0-27-genericROCm 7.2.0 - 173,3 tok/s Generation, 1.617 tok/s Prefill, TTFT 6.404 ms (3 Laufe)ROCm 7.2.0
unbekannt 1.443,9 tok/sNVIDIA 580.159.03 / CUDA 13.0 1.386,8 tok/sAMD 7.0.0-27-generic 340,5 tok/sROCm 7.2.0 173,3 tok/s
Beigesteuert von

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.