🧪 LLM Benchmark Showdown: 5 lokale Ollama-Modelle im VergleichGetestet auf derselben Hardware (#gmktecevo2 #AMDRyzenAIMa...

🧪 LLM Benchmark Showdown: 5 lokale Ollama-Modelle im VergleichGetestet auf derselben Hardware (#gmktecevo2 #AMDRyzenAIMaxPlus395 #strixhalo):• #GSM8K (100 Samples) — Math• #BFCL (100/Kategorie) — Function Calling• #MBPP+ (50) — Python Coding• #HumanEval+ (20) — Python Coding📊 Ergebnisse (Accuracy / Output TK/s / VRAM):**qwen3.8:27b**GSM8K 82% | BFCL 91.5% | MBPP+ 100% | HE+ 100%⚡ 25.5 TK/s | 💾 18 GB VRAM**qwen3.6:27b**GSM8K 83% | BFCL 93% | MBPP+ 98% | HE+ 75%⚡ 12.7 TK/s | 💾 33 GB VRAM**qwen3.6:35b**GSM8K 84% | BFCL 90% | MBPP+ 98% | HE+ 55%⚡ 61.8 TK/s | 💾 27 GB VRAM**ornith-1.5:35b**GSM8K 75% | BFCL 92.5% | MBPP+ 78% | HE+ 0%⚡ 63.6 TK/s | 💾 26 GB VRAM**nemotron-3.5-lightning:30b**GSM8K 59% | BFCL 74% | MBPP+ 94% | HE+ 0%⚡ 91.9 TK/s | 💾 26 GB VRAM🏆 Fazit:qwen3.8:27b ist der klare Sieger — als einziges Modell 100% bei beiden Coding-Benchmarks, bei GSM8K/BFCL gleichauf mit den anderen Qwen-Modellen. Bei 25.5 TK/s und nur 18 GB VRAM das beste Qualität/Speed/Effizienz-Verhältnis.qwen3.6:27...