ℹ

Zur Einordnung: Diese Plattform nutzt Unified Memory – die "VRAM" ist gemeinsamer System-RAM (APU/Superchip); das Modell teilt sich den Speicher mit dem System.

Generation68,33tok/s

Prefill1.093,01tok/s

Time to First Token1.983,00ms

Gesamtdauer4,00s

Concurrency1parallel

Einordnung im Feld

373von 597 Systemen

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

Dieser Lauf ist besser als 38 % aller vergleichbaren Systeme.

Generation 68,3 tok/s

-72 % vs Ø 244,1

Prefill 1.093,0 tok/s

-80 % vs Ø 5.353,8

Time to First Token 1.983 ms

-85 % vs Ø 13.148

Verteilung im Feld0 – 1.444 tok/s

Ø 244 Median Dieser Lauf

Wie schlägt sich dieser Benchmark?

gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260723-194447-dc199d

1.443,9 tok/s

gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260724-004604-1c9023

1.386,8 tok/s

gpt-oss-20bNVIDIA 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-Instruct gleiches ModellNVIDIA 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

Qwen3-VL-30B-A3B-Instruct dieser LaufAMD Radeon 8060S Graphics · run-20260723-142101-fcc3e1

68,3 tok/s

Hardware

GPU: AMD Radeon 8060S Graphics
CPU: 32x AMD RYZEN AI MAX+ 395 w/ Radeon 8060S
RAM: 31 GB
Mainboard: Meigao Innovation Technology (Shen Zhen) Co., Ltd SHWSA (MS-S1 MAX)

Setup

Runtime: llama.cpp
Quantisierung: Q4_K_M
Betriebssystem: Ubuntu 24.04.2 LTS (Kernel 6.17.0-40-generic)
Treiber: ROCm 7.2.0
Modell: Qwen3-VL-30B-A3B-Instruct

Konfiguration

benchmark-konfiguration — run-20260723-142101-fcc3e1

# LLM-Benchmark Konfiguration # Modell : Qwen3-VL-30B-A3B-Instruct # Engine : llama.cpp # Run-ID : run-20260723-142101-fcc3e1 # GPU : AMD Radeon 8060S Graphics # CPU : 32x AMD RYZEN AI MAX+ 395 w/ Radeon 8060S # RAM : 31 GB bench@llm-benchmark:~$ llama-server \ -m unsloth/Qwen3-VL-30B-A3B-Instruct-GGUF/Q4_K_M.gguf \ -a Qwen3-VL-30B-A3B-Instruct \ --host 0.0.0.0 \ --port 8000 \ --gpu-layers 99 \ --flash-attn on \ -c 26624 \ --parallel 12

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
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.	Qwen3-VL-30B-A3B-Instruct
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.	99
Flash Attention?FlashAttention fuer schnellere und speichersparende Attention. Wert on/off/auto je nach Build.	on
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

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/sAMD Radeon AI PRO R9700 186,9 tok/s★ AMD Radeon 8060S Graphics 102,2 tok/s dieser Lauf

CPUnach Prozessor

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

MBnach Mainboard

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

ENGnach Engine

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

DRVnach Treiber

unbekannt 1.028,5 tok/sAMD 7.0.0-27-generic 186,9 tok/s★ ROCm 7.2.0 102,2 tok/s dieser Lauf