# LLM-Benchmark Konfiguration # Modell : Qwen3-30B-A3B-Thinking-2507 # Engine : vLLM # Run-ID : run-20260723-045450-9f6019 # GPU : NVIDIA GeForce RTX 5090 # CPU : 16x AMD Ryzen 7 5800X3D 8-Core Processor # RAM : 126 GB bench@llm-benchmark:~$ /opt/gcs_venv/bin/python3 /opt/gcs_venv/bin/vllm serve cyankiwi/Qwen3-30B-A3B-Thinking-2507-AWQ-4bit \ --served-model-name Qwen3-30B-A3B-Thinking-2507 \ --dtype auto \ --max-model-len 8192 \ --gpu-memory-utilization 0.92 \ --trust-remote-code \ --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.	vllm
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.	8192
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.	Qwen3-30B-A3B-Thinking-2507
Dtype?Zahlenformat der Modellgewichte bei der Berechnung (z.B. auto, float16, bfloat16). 'auto' waehlt automatisch das vom Modell empfohlene Format.	auto
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	8192
GPU-Speicher?Anteil des GPU-Speichers (0 bis 1), den vLLM belegen darf. 0.92 = 92 %. Hoeher = mehr Platz fuer den KV-Cache (mehr/laengere parallele Anfragen), aber groesseres Risiko fuer 'Out of Memory'.	0.92
Trust-Remote-Code?Erlaubt vLLM, mit dem Modell mitgelieferten Python-Code auszufuehren. Noetig fuer Architekturen, die vLLM nicht von Haus aus kennt. Nur bei vertrauenswuerdigen Modellen aktivieren.	aktiv

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 dieser LaufAMD Radeon AI PRO R9700 231,1 tok/sAMD 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 dieser LaufAMD Ryzen Threadripper PRO 7955WX 16-Cores 231,1 tok/sAMD 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/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 231,1 tok/sMeigao 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 dieser Laufllama.cpp 231,1 tok/s

DRVnach Treiber

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