Created bymario-alka.dePowered bynoob2claw.detricoma.de
Beigesteuert vonMario AlkaQwen (Alibaba)

Qwen3-0.6B

Performancebenchmark · gemessen am 22.09.2026 08:53

Benchmark-IDrun-20260922-071039-3070de
Timebench 3 - Kombi (Prefill + Generation)Dense0.6BRuntime: llama.cppQuantisierung: Q8_0
Generation449,35tok/s
Prefill21.717,69tok/s
Time to First Token570,50ms
Gesamtdauer24,68s
Concurrency5parallel
Einordnung im Feld
288von 1539 Systemen

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

Dieser Lauf ist besser als 81 % aller vergleichbaren Systeme.
Generation 449,4 tok/s
+74 % vs Ø 258,5
Prefill 21.717,7 tok/s
+295 % vs Ø 5.498,6
Time to First Token 571 ms
-98 % 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
Qwen3-0.6B dieser LaufAMD Radeon AI PRO R9700 · run-20260922-071039-3070de
449,4 tok/s

Wie schlägt sich dieser Benchmark mit anderen GPUs?

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

Hardware

GPU: AMD Radeon AI PRO R9700 · 32 GB VRAM
CPU: AMD Ryzen 3 3100 4-Core Processor
RAM: 31 GB
Mainboard: ASUSTeK COMPUTER INC. ROG STRIX X570-F GAMING

Setup

Runtime: llama.cpp
Quantisierung: Q8_0
Modell: Qwen3-0.6B

Konfiguration

benchmark-konfiguration — run-20260922-071039-3070de
# LLM-Benchmark Konfiguration # Modell : Qwen3-0.6B # Engine : llama.cpp # Run-ID : run-20260922-071039-3070de # GPU : AMD Radeon AI PRO R9700 # CPU : AMD Ryzen 3 3100 4-Core Processor # RAM : 31 GB bench@llm-benchmark:~$ llama-server \ -m /home/godcore/models/Qwen3-0.6B-Q8_0.gguf \ --alias Qwen3-0.6B \ -ngl 999 \ -fa on \ -c 49152 \ -np 12 '(AMD' Radeon AI PRO R9700, ROCm 7.2.4, 'HIP_VISIBLE_DEVICES=0)'
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.Qwen3-0.6B
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.49152
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird./home/godcore/models/Qwen3-0.6B-Q8_0.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.999
faon
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.49152
np12
execution_typelocal

Alle Benchmarks dieses Modells Zum Leaderboard

Anzeige
Modell-Vergleich

Qwen3-0.6B 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

69253437521759,0029.40558.81188.216Prefill (tok/s)Generation (tok/s)NVIDIA GeForce RTX 4090 - 503,3 tok/s Generation, 71.575 tok/s Prefill, TTFT 174 ms (3 Laufe)NVIDIA GeForce RTX 40...AMD Radeon RX 7900 XTX - 495,5 tok/s Generation, 22.637 tok/s Prefill, TTFT 718 ms (8 Laufe)AMD Radeon RX 7900 XTXAMD Oberon (PlayStation 5) - 302,6 tok/s Generation, 2.983 tok/s Prefill, TTFT 2.304 ms (2 Laufe)AMD Oberon (PlayStati...CPU-only - 189,5 tok/s Generation, 3.124 tok/s Prefill, TTFT 84.210 ms (6 Laufe)CPU-onlyAMD Radeon AI PRO R9700 - 561,4 tok/s Generation, 20.958 tok/s Prefill, TTFT 573 ms (3 Laufe) | DIESER LAUF★ AMD Radeon AI PRO R97...
★ AMD Radeon AI PRO R9700 561,4 tok/s dieser LaufNVIDIA GeForce RTX 4090 503,3 tok/sAMD Radeon RX 7900 XTX 495,5 tok/sAMD Oberon (PlayStation 5) 302,6 tok/sCPU-only 189,5 tok/s

CPUnach Prozessor

7295473651820,0019.12238.24457.366Prefill (tok/s)Generation (tok/s)AMD Ryzen Threadripper PRO 3955WX 16-Cores - 495,5 tok/s Generation, 27.231 tok/s Prefill, TTFT 657 ms (5 Laufe)AMD Ryzen Threadrippe...Intel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz - 480,5 tok/s Generation, 14.980 tok/s Prefill, TTFT 819 ms (3 Laufe)Intel(R) Xeon(R) CPU ...AMD Zen2 8-Core (PlayStation 5) - 302,6 tok/s Generation, 2.983 tok/s Prefill, TTFT 2.304 ms (2 Laufe)AMD Zen2 8-Core (Play...Apple M6 (unified CPU/GPU SoC, ARM64, AdvSIMD) - 189,5 tok/s Generation, 11.438 tok/s Prefill, TTFT 251 ms (1 Lauf)Apple M6 (unified CPU...Apple M6 (unified CPU/GPU SoC) - 164,8 tok/s Generation, 7.014 tok/s Prefill, TTFT 390 ms (1 Lauf)Apple M6 (unified CPU...4 x Cortex-A78C + 4 x Cortex-A55 - 8,0 tok/s Generation, 90 tok/s Prefill, TTFT 132.604 ms (3 Laufe)4 x Cortex-A78C + 4 x...AMD Jaguar 8-Core (PlayStation 4) - 3,8 tok/s Generation, 23 tok/s Prefill, TTFT 106.805 ms (1 Lauf)AMD Jaguar 8-Core (Pl...AMD Ryzen 3 3100 4-Core Processor - 561,4 tok/s Generation, 46.266 tok/s Prefill, TTFT 374 ms (6 Laufe) | DIESER LAUF★ AMD Ryzen 3 3100 4-Co...
★ AMD Ryzen 3 3100 4-Core Processor 561,4 tok/s dieser LaufAMD Ryzen Threadripper PRO 3955WX 16-Cores 495,5 tok/sIntel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 480,5 tok/sAMD Zen2 8-Core (PlayStation 5) 302,6 tok/sApple M6 (unified CPU/GPU SoC, ARM64, AdvSIMD) 189,5 tok/sApple M6 (unified CPU/GPU SoC) 164,8 tok/s4 x Cortex-A78C + 4 x Cortex-A55 8,0 tok/sAMD Jaguar 8-Core (PlayStation 4) 3,8 tok/s

MBnach Mainboard

69253437521759,0029.52259.04488.565Prefill (tok/s)Generation (tok/s)Micro-Star International Co., Ltd. B550M PRO-VDH WIFI (MS-7C95) - 503,3 tok/s Generation, 71.575 tok/s Prefill, TTFT 174 ms (3 Laufe)Micro-Star Internatio...ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI - 495,5 tok/s Generation, 27.231 tok/s Prefill, TTFT 657 ms (5 Laufe)ASUSTeK COMPUTER INC....Dell Inc. PowerEdge R820 - 480,5 tok/s Generation, 14.980 tok/s Prefill, TTFT 819 ms (3 Laufe)Dell Inc. PowerEdge R...unbekannt - 302,6 tok/s Generation, 1.043 tok/s Prefill, TTFT 84.871 ms (6 Laufe)unbekanntApple Mac mini - 189,5 tok/s Generation, 9.226 tok/s Prefill, TTFT 320 ms (2 Laufe)Apple Mac miniASUSTeK COMPUTER INC. ROG STRIX X570-F GAMING - 561,4 tok/s Generation, 20.958 tok/s Prefill, TTFT 573 ms (3 Laufe) | DIESER LAUF★ ASUSTeK COMPUTER INC....
★ ASUSTeK COMPUTER INC. ROG STRIX X570-F GAMING 561,4 tok/s dieser LaufMicro-Star International Co., Ltd. B550M PRO-VDH WIFI (MS-7C95) 503,3 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 495,5 tok/sDell Inc. PowerEdge R820 480,5 tok/sunbekannt 302,6 tok/sApple Mac mini 189,5 tok/s

ENGnach Engine

69753036319629,4021.47142.94164.412Prefill (tok/s)Generation (tok/s)vLLM - 503,3 tok/s Generation, 52.963 tok/s Prefill, TTFT 499 ms (6 Laufe)vLLMlmstudio-mlx - 189,5 tok/s Generation, 11.438 tok/s Prefill, TTFT 251 ms (1 Lauf)lmstudio-mlxOllama - 164,8 tok/s Generation, 7.014 tok/s Prefill, TTFT 390 ms (1 Lauf)Ollamallama.cpp - 561,4 tok/s Generation, 10.512 tok/s Prefill, TTFT 36.729 ms (14 Laufe) | DIESER LAUF★ llama.cpp
★ llama.cpp 561,4 tok/s dieser LaufvLLM 503,3 tok/slmstudio-mlx 189,5 tok/sOllama 164,8 tok/s

DRVnach Treiber

61859056153350520.65521.53422.41323.291Prefill (tok/s)Generation (tok/s)unbekannt - 561,4 tok/s Generation, 21.973 tok/s Prefill, TTFT 23.539 ms (22 Laufe)unbekannt
unbekannt 561,4 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 20 W
⚡ TDP 300 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)300 W geschätzt (TDP)GPU 300 W Volllast
Ø-Kosten / Stunde0,090 EUR
Strom / 1 Mio. Token0,056 EUR
Token / kWh5,39 Mio.
Anschaffung (System)1.520 EUR TeilpreisGPU 1.400 EUR · Netzteil 120 EUR
Stromkosten (2 Jahre)–
TCO (2 Jahre)3.097 EUR
Output-Token (2 Jahre)28,34 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 (20 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

Qwen3-0.6BAMD Radeon AI PRO R9700Qwen3-0.6BAMD Radeon RX 7900 XTXQwen3-0.6BAMD Oberon (PlayStation 5)Qwen3-0.6B2x 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.