Runtime: godclaw
Quantisierung: Q4_K_M
Betriebssystem: Ubuntu 26.04 LTS (Kernel 7.0.0-27-generic)
Treiber: AMD 7.0.0-27-generic
Modell: Devstral-Small-2507

Anmerkung

llama.cpp . 3 GPU . GGUF (unsloth/Devstral-Small-2507-GGUF)

Konfiguration

benchmark-konfiguration — run-20260722-165907-8f7d6e

# LLM-Benchmark Konfiguration # Modell : Devstral-Small-2507 # Run-ID : run-20260722-165907-8f7d6e # GPU : 3x AMD Radeon AI PRO R9700 # CPU : 32x AMD Ryzen Threadripper PRO 7955WX 16-Cores # RAM : 184 GB bench@llm-benchmark:~$ cat benchmark.conf Konfigurationspfad /root/.cache/huggingface/hub/models--unsloth--Devstral-Small-2507-GGUF/snapshots/8d0c7eb7bf0142cc3b94c88450eddcc7720e4488/Devstral-Small-2507-Q4_K_M.gguf Engine llamacpp Modellalias Devstral-Small-2507 Kontextlaenge 8192 GPU-Layer 999 Split-Mode layer Host 0.0.0.0 Port 8000

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.	Devstral-Small-2507
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	8192
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.	/root/.cache/huggingface/hub/models--unsloth--Devstral-Small-2507-GGUF/snapshots/8d0c7eb7bf0142cc3b94c88450eddcc7720e4488/Devstral-Small-2507-Q4_K_M.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
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	8192
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.	Devstral-Small-2507
Split-Mode?Verteilung ueber mehrere GPUs: none (nur eine GPU), layer (Layer aufteilen) oder row (Tensoren zeilenweise).	layer
Host?Netzwerk-Interface, an das der HTTP-Server bindet, z.B. 0.0.0.0 fuer alle Interfaces.	0.0.0.0
Port?TCP-Port des HTTP-Servers.	8000

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Devstral-Small-2507 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

NVIDIA RTX PRO 6000 Blackwell Workstation Edition 647,6 tok/sNVIDIA GeForce RTX 5090 625,1 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 572,2 tok/sNVIDIA GeForce RTX 3090 Ti 317,4 tok/s★ AMD Radeon AI PRO R9700 205,8 tok/s dieser LaufAMD Radeon PRO W7900 Dual Slot 137,5 tok/sNVIDIA GeForce RTX 5070 Ti 103,9 tok/sNVIDIA Tesla P100 PCIe 16GB 23,2 tok/s

CPUnach Prozessor

AMD Ryzen 9 9950X 16-Core Processor 647,6 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 625,1 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 572,2 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 317,4 tok/s★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 205,8 tok/s dieser LaufAMD Ryzen Threadripper PRO 5975WX 32-Cores 137,5 tok/sAMD Ryzen 5 5600X 6-Core Processor 57,1 tok/sAMD Ryzen 9 7945HX with Radeon Graphics 23,2 tok/s

MBnach Mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 647,6 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 625,1 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 572,2 tok/s dieser LaufMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 317,4 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 137,5 tok/sASUSTeK COMPUTER INC. PRIME A520M-K 57,1 tok/sShenzhen Meigao Electronic Equipment Co.,Ltd F1FXM (DeskMini Series) 23,2 tok/s

ENGnach Engine

llama.cpp 647,6 tok/sunbekannt 57,1 tok/s

DRVnach Treiber

unbekannt 647,6 tok/s★ AMD 7.0.0-27-generic 31,4 tok/s dieser Lauf

💰 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 übernehmen Zurücksetzen

⚡ Strompreis EUR/kWh

⚙️ System-Auslastung 100 %

🖥️ Anschaffung EUR

🔌 Idle 125 W

⚡ TDP 971 W

☁️ Externes LLM (API) anzeigen

Input €/1M Output €/1M Input je Output-Token

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)971 W geschätzt (TDP)GPU 900 + CPU 46 + Board 25 W Volllast

Ø-Kosten / Stunde0,29 EUR

Strom / 1 Mio. Token2,61 EUR

Token / kWh114,82 Tsd.

Anschaffung (System)9.674 EUR VollpreisGPU 4.200 EUR · CPU 1.399 EUR · Board 1.299 EUR · RAM 2.576 EUR · Netzteil 200 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)14.778 EUR

Output-Token (2 Jahre)1,95 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 (125 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

	Devstral-Small-25073x AMD Radeon AI PRO R9700	Devstral-Small-2507NVIDIA GeForce RTX 5090	Devstral-Small-2507NVIDIA RTX PRO 6000 Blackwell Workstation Edition	Devstral-Small-25073x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition
Kosten Strom (24 Mon.)	–	–	–	–
Kosten Anschaffung	–	–	–	–
Kosten Gesamt (TCO)	–	–	–	–
Generierte Token (24 Mon.)	–	–	–	–
Tokenpreis bei API	–	–	–	–
Break-Even-Point (Tage)	–	–	–	–
Ergebnis (Ersparnis / Ausgabe)	–	–	–	–

3× AMD Radeon AI PRO R9700 · dieser Lauf 31 tok/s NVIDIA GeForce RTX 5090 98 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 97 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 93 tok/s

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.