ℹ

Zur Einordnung: Teile des Modells wurden per --cpu-offload-gb=16 GB in den System-RAM ausgelagert – RAM wird als erweiterter VRAM genutzt, was den Durchsatz senken kann.

Generation21,98tok/s

Prefill642,05tok/s

Time to First Token15.446,00ms

Gesamtdauer497,36s

Concurrency5parallel

Einordnung im Feld

492von 597 Systemen

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

Dieser Lauf ist besser als 18 % aller vergleichbaren Systeme.

Generation 22,0 tok/s

-91 % vs Ø 244,1

Prefill 642,1 tok/s

-88 % vs Ø 5.353,8

Time to First Token 15.446 ms

+17 % vs Ø 13.148

Verteilung im Feld0 – 1.444 tok/s

Ø 244 Median Dieser Lauf

Wie schlägt sich dieser Benchmark?

gpt-oss-20b gleiches ModellNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260723-194447-dc199d

1.443,9 tok/s

gpt-oss-20b gleiches ModellNVIDIA GeForce RTX 5090 · run-20260724-004604-1c9023

1.386,8 tok/s

gpt-oss-20b gleiches ModellNVIDIA 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-InstructNVIDIA 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

gpt-oss-20b dieser LaufNVIDIA GeForce RTX 3090 Ti · run-20260724-004604-9b99a2

22,0 tok/s

Hardware

GPU: NVIDIA GeForce RTX 3090 Ti · 24 GB VRAM
CPU: 32x AMD Ryzen 9 8945HX with Radeon Graphics
RAM: 92 GB

Setup

Runtime: vLLM
Quantisierung: -
Modell: gpt-oss-20b

Konfiguration

benchmark-konfiguration — run-20260724-004604-9b99a2

# LLM-Benchmark Konfiguration # Modell : gpt-oss-20b # Engine : vLLM # Run-ID : run-20260724-004604-9b99a2 # GPU : NVIDIA GeForce RTX 3090 Ti # CPU : 32x AMD Ryzen 9 8945HX with Radeon Graphics # RAM : 92 GB bench@llm-benchmark:~$ /opt/vllm-venv/bin/python3 /opt/vllm-venv/bin/vllm serve openai/gpt-oss-20b \ --served-model-name gpt-oss-20b \ --tensor-parallel-size 1 \ --cpu-offload-gb 16 \ --dtype auto \ --max-model-len 8192 \ --gpu-memory-utilization 0.83 \ --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.	gpt-oss-20b
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.	gpt-oss-20b
Tensor-Parallel?Anzahl GPUs, auf die JEDER einzelne Modell-Layer aufgeteilt wird (Tensor-Parallelitaet). Mehr GPUs = mehr VRAM und meist mehr Speed, aber die Anzahl der Attention-Heads muss durch diesen Wert teilbar sein (z.B. 32 Heads -> nur 1, 2, 4, 8 ... moeglich, NICHT 3).	1
cpu-offload-gb?Menge an Modellgewichten in GiB, die in den CPU-RAM ausgelagert wird. Ermoeglicht groessere Modelle als der GPU-Speicher fasst, kostet aber Geschwindigkeit.	16
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'.	0.83

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

gpt-oss-20b 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 1.443,9 tok/sNVIDIA GeForce RTX 5090 1.386,8 tok/s★ NVIDIA GeForce RTX 3090 Ti 797,2 tok/s dieser LaufAMD Radeon AI PRO R9700 340,5 tok/sAMD Radeon 8060S Graphics 173,3 tok/sCPU-only 14,5 tok/s

CPUnach Prozessor

AMD Ryzen 9 9950X 16-Core Processor 1.443,9 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 1.386,8 tok/s★ AMD Ryzen 9 8945HX with Radeon Graphics 797,2 tok/s dieser LaufAMD Ryzen Threadripper PRO 7955WX 16-Cores 340,5 tok/sAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 173,3 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 14,5 tok/s

MBnach Mainboard

unbekannt 1.443,9 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 340,5 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd SHWSA (MS-S1 MAX) 173,3 tok/sDell Inc. PowerEdge R820 14,5 tok/s

ENGnach Engine

★ vLLM 1.443,9 tok/s dieser Laufllama.cpp 848,3 tok/s

DRVnach Treiber

unbekannt 1.443,9 tok/sNVIDIA 580.159.03 / CUDA 13.0 1.386,8 tok/sAMD 7.0.0-27-generic 340,5 tok/sROCm 7.2.0 173,3 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.