RigBase DE / Budget / unter 5.000 €
Bester KI-Rechner für lokale LLMs unter 5.000 €
Kurz gesagt
Welcher KI-Rechner ist der beste unter 5.000 €?
Schnellster erfasster Build in diesem Budget: DGX Spark (GB10): Qwen3.6 35B-A3B NVFP4 at 113 tok/s on vLLM with MTP (113,0 tok/s im besten Einzelergebnis, mit Speculative Decoding). Gezählt werden nur Builds, deren Gesamtkosten in der Quelle stehen, oder deren GPUs heute neu unter dem Budget kosten (Schätzung, nur GPU).
Zuletzt aktualisiert:
Echte Builds mit gemessenen Token pro Sekunde, sortiert nach dem schnellsten Ergebnis. Keine hochgerechneten Werte.
Builds mit angegebenen Gesamtkosten
Nur Builds, deren Gesamtkosten in der Quelle stehen (umgerechnet in € zum EZB-Kurs). Es zählt, was der Erbauer nach eigener Angabe bezahlt hat.
| Build | GPU(s) | VRAM GB | Angegebene Kosten | Gemessene tok/s |
|---|---|---|---|---|
| DGX Spark (GB10): Qwen3.6 35B-A3B NVFP4 at 113 tok/s on vLLM with MTP | Nvidia GB10 (unified) | 128 | 3.568 € ($3,999) | Qwen3.6 35B-A3B: 113 (Spec.) Qwen3.6 35B-A3B: 86 (Spec.) |
| Minisforum MS-S1 MAX (Strix Halo, 128 GB): Qwen3.6 35B-A3B at 62 tok/s on llama.cpp Vulkan | AMD Ryzen AI Max+ 395 (Radeon 8060S iGPU) | 128 | 3.390 € ($3,799) | Qwen3.6 35B-A3B: 62 Qwen3.6 35B-A3B: 54 Qwen3.6 35B-A3B: 51 Qwen3.6 35B-A3B: 93 (Spec.) |
| Dual used RTX 3090, ~2000 EUR total ⚠ ungeprüft | 2x RTX 3090 (used) | 48 | 2.000 € | Llama 3.3 70B: 20 |
| Mac Studio 64 GB ⚠ ungeprüft | Apple unified memory | 64 | 3.569 € ($4,000) | Llama 3.3 70B: 11 |
| $2K EPYC 64-core, 512 GB DDR4, CPU-only | None (CPU inference) | 1.784 € ($2,000) | DeepSeek R1 671B: 4,31 | |
| 4x RTX 3090 homelab on Threadripper 2920X ⚠ ungeprüft | 4x RTX 3090 (~$625 each, used) | 96 | 2.944 € ($3,300) | keine Messwerte |
Builds, deren GPUs heute unter 5.000 € kosten (geschätzt)
Diese Quellen nennen keine Gesamtkosten. Der Wert ist unsere Schätzung nur für die GPU(s): niedrigster Neupreis auf billiger.de, Stand 2026-10-16 bis 2026-10-24. CPU, RAM, Netzteil, Gehäuse und SSD sind nicht enthalten; gebrauchte Karten sind oft deutlich günstiger. Jede Build-Seite verlinkt die genaue Preisquelle.
| Build | GPU(s) | VRAM GB | Geschätzte GPU-Kosten | Gemessene tok/s |
|---|---|---|---|---|
| Intel Core Ultra 265K + RTX 4090 | RTX 4090 | 24 | ≈3.955 € nur GPU, geschätzt | gpt-oss 20B: 279,65 DeepSeek R1 Distill 14B: 92,49 Llama 3.2 3B: 334,67 |
| RTX 4090: 2026 models (llamabench community) | RTX 4090 | 24 | ≈3.955 € nur GPU, geschätzt | Qwen3.6 27B: 47,0 Gemma 4 31B: 43,8 Gemma 4 26B-A4B: 164 Gemma 4 12B: 98,1 gpt-oss 20B: 203 Qwen3.5 9B: 137 LFM2.5 24B-A2B: 261-339 Nemotron 3.5 Bolt 74B-A9B: 108 |
| Ryzen 9 7900X + RTX 4090 | RTX 4090 | 24 | ≈3.955 € nur GPU, geschätzt | Llama 3.2 3B: 237,05 Llama 3.1 70B: 3,1 |
| Dual RTX 5070 Ti on Ryzen 9 9900X (capy-flash maintainer rig) | 2x RTX 5070 Ti 16 GB | 32 | ≈2.490 € nur GPU, geschätzt | Qwen3.8 Flash-Next: 182 Qwen3.8 Flash-Next: 155 Qwen3.8 27B: 139 (Spec.) Qwen3.8 27B: 230 (Spec.) |
| Single RTX 5080 16GB | RTX 5080 | 16 | ≈1.770 € nur GPU, geschätzt | gpt-oss 20B: 204,85 |
| Ryzen 9 7950X + RTX 4080 | RTX 4080 | 16 | ≈1.490 € nur GPU, geschätzt | Llama 3.2 3B: 204,45 |
| Ryzen 9 7950X + RTX 4070 Ti Super | RTX 4070 Ti Super | 16 | ≈1.490 € nur GPU, geschätzt | Llama 3.2 3B: 198,95 |
| Intel Core Ultra 265K + Radeon AI Pro R9700 | AMD Radeon AI Pro R9700 | 32 | ≈1.848 € nur GPU, geschätzt | gpt-oss 20B: 163,26 DeepSeek R1 Distill 14B: 53,72 Llama 3.2 3B: 195,91 |
| Single RTX 5070 Ti 16GB | RTX 5070 Ti | 16 | ≈1.245 € nur GPU, geschätzt | gpt-oss 20B: 189,45 |
| Single RTX 4090 (llama.cpp CUDA scoreboard) | RTX 4090 24GB | 24 | ≈3.955 € nur GPU, geschätzt | Llama 2 7B: 188,96 |
| RTX 4090 (llm-speed signed run, Oct 2026): Flint 40B-A2.5B at 169-179 tok/s on llama.cpp | RTX 4090 | 24 | ≈3.955 € nur GPU, geschätzt | Flint 40B-A2.5B: 179,4 Flint 40B-A2.5B: 169,2 |
| RTX 4090 (llm-speed signed runs, Oct 2026): Qwen3.6 35B-A3B 161 tok/s, Gemma 4 12B QAT 98 tok/s | RTX 4090 | 24 | ≈3.955 € nur GPU, geschätzt | Qwen3.6 35B-A3B: 160,6 Gemma 4 12B: 97,7 GLM 4.7 Flash: 164,9 |
| Intel Core Ultra 265K + RTX A4000 | RTX A4000 | 16 | ≈1.050 € nur GPU, geschätzt | gpt-oss 20B: 93,55 Llama 3.2 3B: 149,44 |
| Dual RTX 5080 on EPYC 7F52 (capy-flash user report) | 2x RTX 5080 16 GB | 32 | ≈3.540 € nur GPU, geschätzt | Qwen3.8 Flash-Next: 141,3 Qwen3.8 Flash-Next: 144,4 |
| Ryzen 9 9950X + Radeon RX 7900 XT | AMD Radeon RX 7900 XT | 20 | ≈869 € nur GPU, geschätzt | Llama 3.2 3B: 131,2 |
| RTX 3060 12GB: 2026 models (llamabench community) | RTX 3060 | 12 | ≈429 € nur GPU, geschätzt | Gemma 4 12B: 38,5 LFM2.5 24B-A2B: 125 Qwen3.8 27B: 5,2-6,7 |
| Intel Core Ultra 265K + RTX 3060 | RTX 3060 | 12 | ≈429 € nur GPU, geschätzt | gpt-oss 20B: 83,96 DeepSeek R1 Distill 14B: 29,77 Llama 3.2 3B: 122,85 |
| Radeon AI Pro R9700 (one card): Qwen3.6 35B-A3B from 4K to 256K context (AMDai lab rig) | AMD Radeon AI Pro R9700 (1 of 2 cards in the rig used) | 32 | ≈1.848 € nur GPU, geschätzt | Qwen3.6 35B-A3B: 102,39 Qwen3.6 35B-A3B: 90,52 Qwen3.6 35B-A3B: 66,43 Qwen3.6 35B-A3B: 44,4 Qwen3.6 35B-A3B: 109,73 Qwen3.6 35B-A3B: 117,69 |
| Single RTX 5060 Ti 16GB | RTX 5060 Ti 16GB | 16 | ≈739 € nur GPU, geschätzt | gpt-oss 20B: 111,51 |
| RTX 4090: Nemotron 3.5 Bolt (IQ2) and Muse Glimmer 30B | RTX 4090 | 24 | ≈3.955 € nur GPU, geschätzt | Nemotron 3.5 Bolt 74B-A9B: 107,3 Muse Glimmer 30B: 53,7 |
| RTX 5070 Ti: 2026 models (llamabench community) | RTX 5070 Ti | 16 | ≈1.245 € nur GPU, geschätzt | Gemma 4 12B: 87,6 |
| Radeon AI Pro R9700: Qwen3.6 27B on Vulkan, HIP and Ollama, with and without MTP | AMD Radeon AI Pro R9700 (1 of 2 cards in the rig used) | 32 | ≈1.848 € nur GPU, geschätzt | Qwen3.6 27B: 66,0 (Spec.) Qwen3.6 27B: 31,9 Qwen3.6 27B: 27,1 Qwen3.6 27B: 26,7 |
| Radeon AI Pro R9700: Qwen3.8 27B on llama.cpp, Ollama and vLLM (Vadi Taslim) | AMD Radeon AI Pro R9700 (1 of 2 cards in the rig used) | 32 | ≈1.848 € nur GPU, geschätzt | Qwen3.8 27B: 57 (Spec.) Qwen3.8 27B: 30 Qwen3.8 27B: 22 |
| RTX 4090 desktop (speed comparison vs Macs) | RTX 4090 24GB | 24 | ≈3.955 € nur GPU, geschätzt | Llama 3.1 8B: 52,99 Mistral Small 22B: 26,72 |
| i7-12700K + RTX 5060 Ti 16GB + RTX 3060 12GB: Qwen3.8 27B from 21 to 51 tok/s (split, MTP, single-GPU) | RTX 5060 Ti 16GB + RTX 3060 12GB | 28 | ≈1.168 € nur GPU, geschätzt | Qwen3.8 27B: 21,2 Qwen3.8 27B: 37,6 (Spec.) Qwen3.8 27B: 28,0 Qwen3.8 27B: 51,4 (Spec.) |
| RTX 4090: Qwen3.8 27B Q4_K_M at 43.1 tok/s (llm-speed, llama.cpp b11803, 6 runs) | RTX 4090 24GB | 24 | ≈3.955 € nur GPU, geschätzt | Qwen3.8 27B: 43,1 Qwen3.8 27B: 43,0 |
| EPYC 7642 + RTX 4090 + 252 GB RAM: Qwen3.8 27B Q4_K_M at 43.1 tok/s (llm-speed community run) | RTX 4090 24GB | 24 | ≈3.955 € nur GPU, geschätzt | Qwen3.8 27B: 43,06 Qwen3.8 27B: 42,63 |
| RTX A4000 16GB (llm-speed signed run, Oct 2026): Muse Glimmer 30B UD-IQ3_XXS at 21.4 tok/s | RTX A4000 | 16 | ≈1.050 € nur GPU, geschätzt | Muse Glimmer 30B: 21,42 |
(Spec.) = mit Speculative Decoding (MTP, Draft-Modell o. ä.) gemessen, nicht direkt mit normaler Ausgabe vergleichbar. 168 weitere Builds haben Messwerte, aber keine Kosten in der Quelle: alle Builds.
Siehe auch: Beste GPU unter 1.000 € · Wie viel System-RAM? · Ist Q4 gut genug? · Läuft es?
Häufige Fragen
Welcher KI-Rechner ist der beste unter 5.000 €?
Schnellster erfasster Build in diesem Budget: DGX Spark (GB10): Qwen3.6 35B-A3B NVFP4 at 113 tok/s on vLLM with MTP (113,0 tok/s im besten Einzelergebnis, mit Speculative Decoding). Gezählt werden nur Builds, deren Gesamtkosten in der Quelle stehen, oder deren GPUs heute neu unter dem Budget kosten (Schätzung, nur GPU).
Woher kommen Preise und Geschwindigkeiten?
Gesamtkosten: so wie der Erbauer sie angegeben hat, umgerechnet zum EZB-Kurs. GPU-Schätzung: niedrigster Neupreis auf billiger.de inkl. MwSt., Stand 2026-10-16 bis 2026-10-24. Jede Geschwindigkeit ist gemessen und verlinkt auf ihre Quelle.
Welche Quantisierung sollte ich nutzen?
Q4_K_M (oder ein vergleichbares ≈4-Bit-Format) ist der übliche Startpunkt. Unter Q4 rät RigBase nur als Notlösung, wenn ein Modell sonst nicht lädt.
English version: Best AI rig under €5,000