Created bymario-alka.dePowered bynoob2claw.detricoma.de
Beigesteuert vonMario AlkaPoolside

Laguna-S-2.1-INT4

Performancebenchmark · gemessen am 09.08.2026 11:50

Benchmark-IDrun-20260809-131004-c7ba7c
Timebench 3 - Kombi (Prefill + Generation)MoE117.6BRuntime: llama.cppQuantisierung: INT4
Generation25,50tok/s
Prefill156,67tok/s
Time to First Token125.738,50ms
Gesamtdauer885,63s
Concurrency5parallel
Einordnung im Feld
1337von 1539 Systemen

Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 5× parallel

Dieser Lauf ist besser als 13 % aller vergleichbaren Systeme.
Generation 25,5 tok/s
-90 % vs Ø 258,5
Prefill 156,7 tok/s
-97 % vs Ø 5.498,6
Time to First Token 125.739 ms
+335 % vs Ø 28.923
Verteilung im Feld0 – 1.695 tok/s
Ø 258 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

NVIDIA-Nemotron-3.5-Lightning-30B-A3BNVIDIA GeForce RTX 3090 · run-20261026-180644-b547e8
1.694,7 tok/s
NVIDIA-Nemotron-3.5-Lightning-30B-A3BNVIDIA GeForce RTX 3090 · run-20261026-183943-5ef8b5
1.375,1 tok/s
gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181606-0adf6d
1.349,3 tok/s
gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20261023-071844-e5e309
1.348,4 tok/s
gemma-4-E2B-itNVIDIA GeForce RTX 5090 · run-20260728-184455-5b4937
1.301,9 tok/s
gemma-4-E2B-it3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-184456-4111a9
1.195,7 tok/s
NVIDIA-Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181607-30d864
1.188,7 tok/s
NVIDIA-Nemotron-3-Nano-4BNVIDIA GeForce RTX 5090 · run-20260728-194135-5432cd
1.164,8 tok/s
NVIDIA-Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20261023-071851-c3c4a5
1.154,4 tok/s
gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260728-140954-9e81f9
1.136,3 tok/s
gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260730-035052-09627f
1.135,0 tok/s
NVIDIA-Nemotron-3.5-Lightning-30B-A3BNVIDIA GeForce RTX 3090 Ti · run-20261021-093815-b22926
1.135,0 tok/s
gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260729-032121-058a31
1.113,5 tok/s
gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20261023-071836-99dfa5
1.105,8 tok/s
Laguna-S-2.1-INT4 dieser LaufNVIDIA GeForce RTX 3090 Ti · run-20260809-131004-c7ba7c
25,5 tok/s

Wie schlägt sich dieser Benchmark mit anderen GPUs?

Dasselbe Modell auf anderer Hardware · 5× parallel · Generation (tok/s)

Hardware

GPU: NVIDIA GeForce RTX 3090 Ti · 24 GB VRAM
CPU: AMD Ryzen 9 8945HX with Radeon Graphics
RAM: 92 GB
Mainboard: Meigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series)

Setup

Runtime: llama.cpp
Quantisierung: INT4
Modell: Laguna-S-2.1-INT4

Konfiguration

benchmark-konfiguration — run-20260809-131004-c7ba7c
# LLM-Benchmark Konfiguration # Modell : Laguna-S-2.1-INT4 # Engine : llama.cpp # Run-ID : run-20260809-131004-c7ba7c # GPU : NVIDIA GeForce RTX 3090 Ti # CPU : AMD Ryzen 9 8945HX with Radeon Graphics # RAM : 92 GB bench@llm-benchmark:~$ /root/llama.cpp/build/bin/llama-server \ -m /root/.cache/huggingface/hub/models--unsloth--Laguna-S-2.1-GGUF/snapshots/750f92f90cf54159c4d7a610cb7b3e74498e75c6/UD-Q4_K_M/Laguna-S-2.1-UD-Q4_K_M-00001-of-00003.gguf \ --alias Laguna-S-2.1-INT4 \ --host 0.0.0.0 \ --port 8000 \ -ngl 12 \ -c 16384 \ -np 4 \ --jinja
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.Laguna-S-2.1-INT4
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.16384
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird./root/.cache/huggingface/hub/models--unsloth--Laguna-S-2.1-GGUF/snapshots/750f92f90cf54159c4d7a610cb7b3e74498e75c6/UD-Q4_K_M/Laguna-S-2.1-UD-Q4_K_M-00001-of-00003.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.12
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.16384
np4
execution_typelocal

Alle Benchmarks dieses Modells Zum Leaderboard

Anzeige
Modell-Vergleich

Laguna-S-2.1-INT4 auf verschiedener Hardware

Alle veröffentlichten 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

1.0097575052520,001.3272.6553.982Prefill (tok/s)Generation (tok/s)NVIDIA RTX PRO 6000 Blackwell Workstation Edition - 781,4 tok/s Generation, 3.226 tok/s Prefill, TTFT 7.860 ms (3 Laufe)NVIDIA RTX PRO 6000 B...NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition - 777,7 tok/s Generation, 3.235 tok/s Prefill, TTFT 9.787 ms (15 Laufe)NVIDIA RTX PRO 6000 B...NVIDIA GeForce RTX 3090 Ti - 32,8 tok/s Generation, 164 tok/s Prefill, TTFT 132.906 ms (3 Laufe) | DIESER LAUF★ NVIDIA GeForce RTX 30...
NVIDIA RTX PRO 6000 Blackwell Workstation Edition 781,4 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 777,7 tok/s★ NVIDIA GeForce RTX 3090 Ti 32,8 tok/s dieser Lauf

CPUnach Prozessor

1.0097575052520,001.3272.6553.982Prefill (tok/s)Generation (tok/s)AMD Ryzen 9 9950X 16-Core Processor - 781,4 tok/s Generation, 3.226 tok/s Prefill, TTFT 7.860 ms (3 Laufe)AMD Ryzen 9 9950X 16-...AMD Ryzen Threadripper PRO 9965WX 24-Cores - 777,7 tok/s Generation, 3.235 tok/s Prefill, TTFT 9.787 ms (15 Laufe)AMD Ryzen Threadrippe...AMD Ryzen 9 8945HX with Radeon Graphics - 32,8 tok/s Generation, 164 tok/s Prefill, TTFT 132.906 ms (3 Laufe) | DIESER LAUF★ AMD Ryzen 9 8945HX wi...
AMD Ryzen 9 9950X 16-Core Processor 781,4 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 777,7 tok/s★ AMD Ryzen 9 8945HX with Radeon Graphics 32,8 tok/s dieser Lauf

MBnach Mainboard

1.0097575052520,001.3272.6553.982Prefill (tok/s)Generation (tok/s)ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI - 781,4 tok/s Generation, 3.226 tok/s Prefill, TTFT 7.860 ms (3 Laufe)ASUSTeK COMPUTER INC....ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE - 777,7 tok/s Generation, 3.235 tok/s Prefill, TTFT 9.787 ms (15 Laufe)ASUSTeK COMPUTER INC....Meigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) - 32,8 tok/s Generation, 164 tok/s Prefill, TTFT 132.906 ms (3 Laufe) | DIESER LAUF★ Meigao Innovation Tec...
ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 781,4 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 777,7 tok/s★ Meigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 32,8 tok/s dieser Lauf

ENGnach Engine

8608217817427032.6272.7392.8512.963Prefill (tok/s)Generation (tok/s)llama.cpp - 781,4 tok/s Generation, 2.795 tok/s Prefill, TTFT 27.100 ms (21 Laufe) | DIESER LAUF★ llama.cpp
★ llama.cpp 781,4 tok/s dieser Lauf

DRVnach Treiber

8608217817427032.6272.7392.8512.963Prefill (tok/s)Generation (tok/s)unbekannt - 781,4 tok/s Generation, 2.795 tok/s Prefill, TTFT 27.100 ms (21 Laufe)unbekannt
unbekannt 781,4 tok/s
💰 Economics

Wirtschaftlichkeit dieses Laufs

Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (5× parallel). Methodik →

⚙️ KonfigurationAlle Kennzahlen und Diagramme unten folgen diesen Einstellungen – bezogen auf 24 Monate Laufzeit.In URL übernehmenZurücksetzen
⚡ Strompreis EUR/kWh
⚙️ System-Auslastung 100 %
🖥️ Anschaffung EUR
🔌 Idle 50 W
⚡ TDP 477 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)477 W geschätzt (TDP)GPU 450 + CPU 17 + Board 10 W Volllast
Ø-Kosten / Stunde0,14 EUR
Strom / 1 Mio. Token1,56 EUR
Token / kWh192,35 Tsd.
Anschaffung (System)2.986 EUR TeilpreisGPU 999 EUR · CPU 549 EUR · RAM 1.288 EUR · Netzteil 150 EUR
Stromkosten (2 Jahre)–
TCO (2 Jahre)5.494 EUR
Output-Token (2 Jahre)1,61 Mrd.
☁️ Externes LLM (API) – Vergleich
Externe LLM-Kosten (2 Jahre)–
Ersparnis vs. extern (2 Jahre)–

Alle Werte oben und die Diagramme unten berücksichtigen die eingestellte System-Auslastung: bei X % generiert das System nur X % der Zeit, die restliche Zeit läuft es im Idle (50 W). Kosten pro Stunde sinken dadurch (mehr Idle), Kosten je Token steigen.

Kosten über 2 Jahre – nur Strom

Kosten über 2 Jahre – inkl. Anschaffung (TCO)

Geschwindigkeit vs. Token pro Euro

Euro pro 1 Mio. Token

Vergleich zur API – Wirtschaftlichkeit je Benchmark

Laguna-S-2.1-INT4NVIDIA GeForce RTX 3090 TiLaguna-S-2.1-INT4NVIDIA RTX PRO 6000 Blackwell Workstation EditionLaguna-S-2.1-INT43x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation EditionLaguna-S-2.1-INT43x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition
Kosten Strom (24 Mon.)––––
Kosten Anschaffung––––
Kosten Gesamt (TCO)––––
Generierte Token (24 Mon.)––––
Tokenpreis bei API––––
Break-Even-Point (Tage)––––
Ergebnis (Ersparnis / Ausgabe)––––

Vergleich mit bis zu 3 nächstbesten Läufen dieses Modells bei gleicher Concurrency (mind. einer auf anderer Hardware). Leistung = GPU-TDP + CPU (Idle + 15 %) + Board (geschätzt), Anschaffung = komplettes System (GPU + CPU + Board + RAM + Netzteil), Preise = hinterlegte Marktpreise.

Beigesteuert von

Mario Alka Administrator

@marioalka

Ich bin Unternehmer, Softwareentwickler und KI-Enthusiast. Seit vielen Jahren entwickle ich Unternehmenssoftware und beschäftige mich inzwischen fast täglich mit lokalen LLMs, KI-Agenten und leistungsfähiger KI-Hardware.

Mit LLM-Benchmark.de möchte ich eine Plattform schaffen, auf der Modelle, GPUs und Agenten objektiv und reproduzierbar miteinander verglichen werden.