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

gemma-4-31B-it

Performancebenchmark · gemessen am 27.08.2026 04:01

Benchmark-IDrun-20260827-020916-fdbd95
Timebench 3 - Kombi (Prefill + Generation)Dense31BRuntime: vLLMQuantisierung: AWQ
Generation16,81tok/s
Prefill1.026,81tok/s
Time to First Token1.929,00ms
Gesamtdauer125,69s
Concurrency1parallel
Einordnung im Feld
337von 344 Systemen

Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 1× parallel

Dieser Lauf ist besser als 2 % aller vergleichbaren Systeme.
Generation 16,8 tok/s
-83 % vs Ø 97,8
Prefill 1.026,8 tok/s
-78 % vs Ø 4.678,6
Time to First Token 1.929 ms
+95 % vs Ø 988
Verteilung im Feld5 – 218 tok/s
Ø 98 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

Wie schlägt sich dieser Benchmark mit anderen GPUs?

Dasselbe Modell auf anderer Hardware · 1× parallel · Generation (tok/s)

Hardware

GPU: NVIDIA RTX A6000 · 48 GB VRAM
CPU: AMD Ryzen Threadripper PRO 7955WX 16-Cores
RAM: 184 GB
Mainboard: ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE

Setup

Runtime: vLLM
Quantisierung: AWQ
Modell: gemma-4-31B-it

Konfiguration

benchmark-konfiguration — run-20260827-020916-fdbd95
# LLM-Benchmark Konfiguration # Modell : gemma-4-31B-it # Engine : vLLM # Run-ID : run-20260827-020916-fdbd95 # GPU : NVIDIA RTX A6000 # CPU : AMD Ryzen Threadripper PRO 7955WX 16-Cores # RAM : 184 GB bench@llm-benchmark:~$ vllm serve \ --model gemma-4-31B-it
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.gemma-4-31B-it
execution_typelocal

Alle Benchmarks dieses Modells Zum Leaderboard

Anzeige
Modell-Vergleich

gemma-4-31B-it 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

32224216180,60,001.0252.0503.075Prefill (tok/s)Generation (tok/s)AMD Radeon RX 7900 XTX - 108,0 tok/s Generation, 399 tok/s Prefill, TTFT 62.261 ms (3 Laufe)AMD Radeon RX 7900 XTXAMD Radeon PRO W7900 Dual Slot - 101,9 tok/s Generation, 351 tok/s Prefill, TTFT 52.767 ms (6 Laufe)AMD Radeon PRO W7900 ...NVIDIA GeForce RTX 3090 Ti - 19,5 tok/s Generation, 339 tok/s Prefill, TTFT 80.766 ms (1 Lauf)NVIDIA GeForce RTX 30...NVIDIA RTX A6000 - 251,1 tok/s Generation, 2.529 tok/s Prefill, TTFT 12.576 ms (30 Laufe) | DIESER LAUF★ NVIDIA RTX A6000
★ NVIDIA RTX A6000 251,1 tok/s dieser LaufAMD Radeon RX 7900 XTX 108,0 tok/sAMD Radeon PRO W7900 Dual Slot 101,9 tok/sNVIDIA GeForce RTX 3090 Ti 19,5 tok/s

CPUnach Prozessor

32224216180,60,001.0252.0503.075Prefill (tok/s)Generation (tok/s)Intel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz - 108,0 tok/s Generation, 399 tok/s Prefill, TTFT 62.261 ms (3 Laufe)Intel(R) Xeon(R) CPU ...AMD Ryzen Threadripper PRO 5975WX 32-Cores - 101,9 tok/s Generation, 351 tok/s Prefill, TTFT 52.767 ms (6 Laufe)AMD Ryzen Threadrippe...AMD Ryzen 9 8945HX with Radeon Graphics - 19,5 tok/s Generation, 339 tok/s Prefill, TTFT 80.766 ms (1 Lauf)AMD Ryzen 9 8945HX wi...AMD Ryzen Threadripper PRO 7955WX 16-Cores - 251,1 tok/s Generation, 2.529 tok/s Prefill, TTFT 12.576 ms (30 Laufe) | DIESER LAUF★ AMD Ryzen Threadrippe...
★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 251,1 tok/s dieser LaufIntel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 108,0 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 101,9 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 19,5 tok/s

MBnach Mainboard

32224216180,60,001.0252.0503.075Prefill (tok/s)Generation (tok/s)Dell Inc. PowerEdge R820 - 108,0 tok/s Generation, 399 tok/s Prefill, TTFT 62.261 ms (3 Laufe)Dell Inc. PowerEdge R...ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI - 101,9 tok/s Generation, 351 tok/s Prefill, TTFT 52.767 ms (6 Laufe)ASUSTeK COMPUTER INC....Meigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) - 19,5 tok/s Generation, 339 tok/s Prefill, TTFT 80.766 ms (1 Lauf)Meigao Innovation Tec...ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE - 251,1 tok/s Generation, 2.529 tok/s Prefill, TTFT 12.576 ms (30 Laufe) | DIESER LAUF★ ASUSTeK COMPUTER INC....
★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 251,1 tok/s dieser LaufDell Inc. PowerEdge R820 108,0 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 101,9 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 19,5 tok/s

ENGnach Engine

32224216180,60,001.4842.9694.453Prefill (tok/s)Generation (tok/s)llama.cpp - 129,2 tok/s Generation, 650 tok/s Prefill, TTFT 36.282 ms (21 Laufe)llama.cppllm - 19,5 tok/s Generation, 339 tok/s Prefill, TTFT 80.766 ms (1 Lauf)llmvLLM - 251,1 tok/s Generation, 3.640 tok/s Prefill, TTFT 6.597 ms (18 Laufe) | DIESER LAUF★ vLLM
★ vLLM 251,1 tok/s dieser Laufllama.cpp 129,2 tok/sllm 19,5 tok/s

DRVnach Treiber

2762642512392261.8691.9482.0282.107Prefill (tok/s)Generation (tok/s)unbekannt - 251,1 tok/s Generation, 1.988 tok/s Prefill, TTFT 24.036 ms (40 Laufe)unbekannt
unbekannt 251,1 tok/s
💰 Economics

Wirtschaftlichkeit dieses Laufs

Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (1× 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 80 W
⚡ TDP 371 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)371 W geschätzt (TDP)GPU 300 + CPU 46 + Board 25 W Volllast
Ø-Kosten / Stunde0,11 EUR
Strom / 1 Mio. Token1,84 EUR
Token / kWh163,12 Tsd.
Anschaffung (System)8.424 EUR VollpreisGPU 3.000 EUR · CPU 1.399 EUR · Board 1.299 EUR · RAM 2.576 EUR · Netzteil 150 EUR
Stromkosten (2 Jahre)–
TCO (2 Jahre)10.374 EUR
Output-Token (2 Jahre)1,06 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 (80 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

gemma-4-31B-itNVIDIA RTX A6000gemma-4-31B-it2x NVIDIA RTX A6000gemma-4-31B-it2x NVIDIA RTX A6000gemma-4-31B-it2x AMD Radeon RX 7900 XTX
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.