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

Qwen3-4B

Performancebenchmark · gemessen am 24.09.2026 16:44

Benchmark-IDrun-20261003-073242-6faa20
Timebench 3 - Kombi (Prefill + Generation)Dense4BRuntime: llama.cppQuantisierung: Q4_K_M
Generation1,25tok/s
Prefill3,98tok/s
Time to First Token474.264,00ms
Gesamtdauer1.200,00s
Concurrency1parallel
Einordnung im Feld
89von 95 Systemen

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

Dieser Lauf ist besser als 6 % aller vergleichbaren Systeme.
Generation 1,3 tok/s
-97 % vs Ø 37,6
Prefill 4,0 tok/s
-100 % vs Ø 1.427,4
Time to First Token 474.264 ms
+1.216 % vs Ø 36.041
Verteilung im Feld1 – 298 tok/s
Ø 38 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: Keine GPU (CPU-only)
CPU: AMD Jaguar 8-Core (PlayStation 4)
RAM: 5 GB

Setup

Runtime: llama.cpp
Quantisierung: Q4_K_M
Modell: Qwen3-4B

Konfiguration

benchmark-konfiguration — run-20261003-073242-6faa20
# LLM-Benchmark Konfiguration # Modell : Qwen3-4B # Engine : llama.cpp # Run-ID : run-20261003-073242-6faa20 # GPU : Keine GPU (CPU-only) # CPU : AMD Jaguar 8-Core (PlayStation 4) # RAM : 5 GB bench@llm-benchmark:~$ llama-server \ -m Qwen3-4B-Q4_K_M.gguf \ --alias Qwen3-4B \ -c 4096 \ -np 1 \ -t 6 '(PS4' AMD Jaguar 8-Core 'CPU-only)'
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.Qwen3-4B
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.4096
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.Qwen3-4B-Q4_K_M.gguf
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.4096
np1
Threads?Anzahl CPU-Threads fuer die Token-Generierung (Decode).6
execution_typelocal

Alle Benchmarks dieses Modells Zum Leaderboard

Anzeige
Modell-Vergleich

Qwen3-4B 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

4133102071030,003.9327.86511.797Prefill (tok/s)Generation (tok/s)AMD Radeon AI PRO R9700 - 325,2 tok/s Generation, 7.193 tok/s Prefill, TTFT 1.751 ms (3 Laufe)AMD Radeon AI PRO R97...AMD Radeon RX 7900 XTX - 320,4 tok/s Generation, 9.607 tok/s Prefill, TTFT 1.584 ms (9 Laufe)AMD Radeon RX 7900 XTXAMD Oberon (PlayStation 5) - 101,5 tok/s Generation, 782 tok/s Prefill, TTFT 9.208 ms (2 Laufe)AMD Oberon (PlayStati...CPU-only - 48,3 tok/s Generation, 641 tok/s Prefill, TTFT 225.381 ms (5 Laufe) | DIESER LAUF★ CPU-only
AMD Radeon AI PRO R9700 325,2 tok/sAMD Radeon RX 7900 XTX 320,4 tok/sAMD Oberon (PlayStation 5) 101,5 tok/s★ CPU-only 48,3 tok/s dieser Lauf

CPUnach Prozessor

4233172111060,004.5349.06813.602Prefill (tok/s)Generation (tok/s)AMD Ryzen 3 3100 4-Core Processor - 325,2 tok/s Generation, 7.193 tok/s Prefill, TTFT 1.751 ms (3 Laufe)AMD Ryzen 3 3100 4-Co...AMD Ryzen Threadripper PRO 3955WX 16-Cores - 320,4 tok/s Generation, 10.970 tok/s Prefill, TTFT 1.493 ms (6 Laufe)AMD Ryzen Threadrippe...Intel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz - 294,3 tok/s Generation, 6.880 tok/s Prefill, TTFT 1.765 ms (3 Laufe)Intel(R) Xeon(R) CPU ...AMD Zen2 8-Core (PlayStation 5) - 101,5 tok/s Generation, 782 tok/s Prefill, TTFT 9.208 ms (2 Laufe)AMD Zen2 8-Core (Play...Apple M6 (unified CPU/GPU SoC, ARM64, AdvSIMD) - 48,3 tok/s Generation, 1.927 tok/s Prefill, TTFT 1.388 ms (1 Lauf)Apple M6 (unified CPU...Apple M6 (unified CPU/GPU SoC) - 41,8 tok/s Generation, 1.253 tok/s Prefill, TTFT 2.021 ms (1 Lauf)Apple M6 (unified CPU...4 x Cortex-A78C + 4 x Cortex-A55 - 0,9 tok/s Generation, 11 tok/s Prefill, TTFT 324.617 ms (2 Laufe)4 x Cortex-A78C + 4 x...AMD Jaguar 8-Core (PlayStation 4) - 1,3 tok/s Generation, 4 tok/s Prefill, TTFT 474.264 ms (1 Lauf) | DIESER LAUF★ AMD Jaguar 8-Core (Pl...
AMD Ryzen 3 3100 4-Core Processor 325,2 tok/sAMD Ryzen Threadripper PRO 3955WX 16-Cores 320,4 tok/sIntel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 294,3 tok/sAMD Zen2 8-Core (PlayStation 5) 101,5 tok/sApple M6 (unified CPU/GPU SoC, ARM64, AdvSIMD) 48,3 tok/sApple M6 (unified CPU/GPU SoC) 41,8 tok/s★ AMD Jaguar 8-Core (PlayStation 4) 1,3 tok/s dieser Lauf4 x Cortex-A78C + 4 x Cortex-A55 0,9 tok/s

MBnach Mainboard

4133102071030,004.5159.03013.545Prefill (tok/s)Generation (tok/s)ASUSTeK COMPUTER INC. ROG STRIX X570-F GAMING - 325,2 tok/s Generation, 7.193 tok/s Prefill, TTFT 1.751 ms (3 Laufe)ASUSTeK COMPUTER INC....ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI - 320,4 tok/s Generation, 10.970 tok/s Prefill, TTFT 1.493 ms (6 Laufe)ASUSTeK COMPUTER INC....Dell Inc. PowerEdge R820 - 294,3 tok/s Generation, 6.880 tok/s Prefill, TTFT 1.765 ms (3 Laufe)Dell Inc. PowerEdge R...unbekannt - 101,5 tok/s Generation, 318 tok/s Prefill, TTFT 228.383 ms (5 Laufe)unbekanntApple Mac mini - 48,3 tok/s Generation, 1.590 tok/s Prefill, TTFT 1.704 ms (2 Laufe)Apple Mac mini
ASUSTeK COMPUTER INC. ROG STRIX X570-F GAMING 325,2 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 320,4 tok/sDell Inc. PowerEdge R820 294,3 tok/sunbekannt 101,5 tok/sApple Mac mini 48,3 tok/s

ENGnach Engine

4143112071040,005.72011.44017.160Prefill (tok/s)Generation (tok/s)vLLM - 320,4 tok/s Generation, 14.021 tok/s Prefill, TTFT 1.458 ms (3 Laufe)vLLMlmstudio-mlx - 48,3 tok/s Generation, 1.927 tok/s Prefill, TTFT 1.388 ms (1 Lauf)lmstudio-mlxOllama - 41,8 tok/s Generation, 1.253 tok/s Prefill, TTFT 2.021 ms (1 Lauf)Ollamallama.cpp - 325,2 tok/s Generation, 4.826 tok/s Prefill, TTFT 82.646 ms (14 Laufe) | DIESER LAUF★ llama.cpp
★ llama.cpp 325,2 tok/s dieser LaufvLLM 320,4 tok/slmstudio-mlx 48,3 tok/sOllama 41,8 tok/s

DRVnach Treiber

3583423253092935.5815.8196.0566.294Prefill (tok/s)Generation (tok/s)unbekannt - 325,2 tok/s Generation, 5.937 tok/s Prefill, TTFT 61.307 ms (19 Laufe)unbekannt
unbekannt 325,2 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 %
🔌 Idle 0 W
⚡ TDP 10 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)0 W fehlt
Ø-Kosten / Stunde–
Strom / 1 Mio. Token–
Token / kWh–
Anschaffung (System)– Teilpreis
Stromkosten (2 Jahre)–
TCO (2 Jahre)–
Output-Token (2 Jahre)78,84 Mio.
☁️ Externes LLM (API) – Vergleich
Externe LLM-Kosten (2 Jahre)–
Ersparnis vs. extern (2 Jahre)–
Keine Leistungsaufnahme gemessen – Werte geschätzt aus GPU-TDP + CPU (Idle + 15 %) + Board.

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 (0 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

Qwen3-4BKeine GPU (CPU-only)Qwen3-4B2x AMD Radeon RX 7900 XTXQwen3-4BAMD Oberon (PlayStation 5)Qwen3-4B2x 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.