Runtime: llama.cpp
Quantisierung: Q4_K_M
Betriebssystem: Ubuntu 26.04 LTS (Kernel 7.0.0-27-generic)
Treiber: AMD 7.0.0-27-generic
Modell: Qwen3-30B-A3B-Thinking-2507

Konfiguration

benchmark-konfiguration — run-20260723-031254-518bee

# LLM-Benchmark Konfiguration # Modell : Qwen3-30B-A3B-Thinking-2507 # Engine : llama.cpp # Run-ID : run-20260723-031254-518bee # GPU : 3x AMD Radeon AI PRO R9700 # CPU : 32x AMD Ryzen Threadripper PRO 7955WX 16-Cores # RAM : 184 GB bench@llm-benchmark:~$ llama-server \ -m unsloth/Qwen3-30B-A3B-Thinking-2507-GGUF/Q4_K_M.gguf \ -ngl 999 \ -c 26624 \ --parallel 12 \ -a Qwen3-30B-A3B-Thinking-2507 \ --host 0.0.0.0 \ --port 8000

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.	Qwen3-30B-A3B-Thinking-2507
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	26624
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.	unsloth/Qwen3-30B-A3B-Thinking-2507-GGUF/Q4_K_M.gguf
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.	999
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	26624
Parallel?Anzahl paralleler Slots/Sequenzen, die der Server gleichzeitig bedient. Der Kontext wird auf die Slots aufgeteilt.	12
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.	Qwen3-30B-A3B-Thinking-2507

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Qwen3-30B-A3B-Thinking-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 GeForce RTX 5090 873,7 tok/s★ AMD Radeon AI PRO R9700 231,1 tok/s dieser LaufAMD Radeon 8060S Graphics 131,2 tok/sCPU-only 8,5 tok/s

CPUnach Prozessor

AMD Ryzen 7 5800X3D 8-Core Processor 873,7 tok/s★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 231,1 tok/s dieser LaufAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 131,2 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 8,5 tok/s

MBnach Mainboard

unbekannt 873,7 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 231,1 tok/s dieser LaufMeigao Innovation Technology (Shen Zhen) Co., Ltd SHWSA (MS-S1 MAX) 131,2 tok/sDell Inc. PowerEdge R820 8,5 tok/s

ENGnach Engine

vLLM 873,7 tok/s★ llama.cpp 231,1 tok/s dieser Lauf

DRVnach Treiber

NVIDIA 580.159.03 / CUDA 13.0 873,7 tok/s★ AMD 7.0.0-27-generic 231,1 tok/s dieser LaufROCm 7.2.0 131,2 tok/sunbekannt 8,5 tok/s