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-VL-30B-A3B-Instruct

Konfiguration

benchmark-konfiguration — run-20260723-040811-b491ef

# LLM-Benchmark Konfiguration # Modell : Qwen3-VL-30B-A3B-Instruct # Engine : llama.cpp # Run-ID : run-20260723-040811-b491ef # 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-VL-30B-A3B-Instruct-GGUF/Q4_K_M.gguf \ -ngl 999 \ -c 26624 \ --parallel 12 \ -a Qwen3-VL-30B-A3B-Instruct \ --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-VL-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-VL-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-VL-30B-A3B-Instruct

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Qwen3-VL-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 RTX PRO 6000 Blackwell Workstation Edition 1.028,5 tok/sNVIDIA GeForce RTX 3090 Ti 475,8 tok/s★ AMD Radeon AI PRO R9700 186,9 tok/s dieser LaufAMD Radeon 8060S Graphics 102,2 tok/s

CPUnach Prozessor

AMD Ryzen 9 9950X 16-Core Processor 1.028,5 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 475,8 tok/s★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 186,9 tok/s dieser LaufAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 102,2 tok/s

MBnach Mainboard

unbekannt 1.028,5 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 186,9 tok/s dieser LaufMeigao Innovation Technology (Shen Zhen) Co., Ltd SHWSA (MS-S1 MAX) 102,2 tok/s

ENGnach Engine

vLLM 1.028,5 tok/s★ llama.cpp 475,8 tok/s dieser Lauf

DRVnach Treiber

unbekannt 1.028,5 tok/s★ AMD 7.0.0-27-generic 186,9 tok/s dieser LaufROCm 7.2.0 102,2 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.