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-Coder-30B-A3B-Instruct

Konfiguration

benchmark-konfiguration — run-20260723-031255-8046ff

# LLM-Benchmark Konfiguration # Modell : Qwen3-Coder-30B-A3B-Instruct # Engine : llama.cpp # Run-ID : run-20260723-031255-8046ff # 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-Coder-30B-A3B-Instruct-GGUF/Q4_K_M.gguf \ -ngl 999 \ -c 26624 \ --parallel 12 \ -a Qwen3-Coder-30B-A3B-Instruct \ -sm layer \ --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-Coder-30B-A3B-Instruct
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-Coder-30B-A3B-Instruct-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-Coder-30B-A3B-Instruct
Split-Mode?Verteilung ueber mehrere GPUs: none (nur eine GPU), layer (Layer aufteilen) oder row (Tensoren zeilenweise).	layer

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Qwen3-Coder-30B-A3B-Instruct 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 966,2 tok/s★ AMD Radeon AI PRO R9700 237,2 tok/s dieser LaufAMD Radeon 8060S Graphics 115,8 tok/sCPU-only 6,7 tok/s

CPUnach Prozessor

AMD Ryzen 7 5800X3D 8-Core Processor 966,2 tok/s★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 237,2 tok/s dieser LaufAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 115,8 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 6,7 tok/s

MBnach Mainboard

unbekannt 966,2 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 237,2 tok/s dieser LaufMeigao Innovation Technology (Shen Zhen) Co., Ltd SHWSA (MS-S1 MAX) 115,8 tok/sDell Inc. PowerEdge R820 6,7 tok/s

ENGnach Engine

vLLM 966,2 tok/s★ llama.cpp 237,2 tok/s dieser Lauf

DRVnach Treiber

NVIDIA 580.159.03 / CUDA 13.0 966,2 tok/s★ AMD 7.0.0-27-generic 237,2 tok/s dieser LaufROCm 7.2.0 115,8 tok/sunbekannt 6,7 tok/s