Runtime: godclaw
Quantization: AWQ
Operating system: Ubuntu 26.04 LTS (Kernel 7.0.0-27-generic)
Driver: AMD 7.0.0-27-generic
Model: Qwen2.5-Coder-32B-Instruct

Anmerkung

vLLM . 2 GPU . 4-Bit (Qwen/Qwen2.5-Coder-32B-Instruct-AWQ)

Configuration

benchmark-konfiguration — run-20260722-165908-4cc4c7

# LLM-Benchmark Konfiguration # Modell : Qwen2.5-Coder-32B-Instruct # Run-ID : run-20260722-165908-4cc4c7 # 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 Qwen/Qwen2.5-Coder-32B-Instruct-AWQ Engine vllm Modellalias Qwen2.5-Coder-32B-Instruct Kontextlaenge 8192 Tensor-Parallel 2 Dtype auto GPU-Speicher 0.90 Trust-Remote-Code aktiv 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.	vllm
Modellalias?Der Name, unter dem das Modell ueber die API angesprochen wird. Genau dieser Wert muss im Request-Feld 'model' stehen.	Qwen2.5-Coder-32B-Instruct
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	8192
Alias?Name, unter dem vLLM das Modell in der API anbietet. Der Client muss im Request-Feld 'model' exakt diesen Namen senden.	Qwen2.5-Coder-32B-Instruct
Tensor-Parallel?Anzahl GPUs, auf die JEDER einzelne Modell-Layer aufgeteilt wird (Tensor-Parallelitaet). Mehr GPUs = mehr VRAM und meist mehr Speed, aber die Anzahl der Attention-Heads muss durch diesen Wert teilbar sein (z.B. 32 Heads -> nur 1, 2, 4, 8 ... moeglich, NICHT 3).	2
Dtype?Zahlenformat der Modellgewichte bei der Berechnung (z.B. auto, float16, bfloat16). 'auto' waehlt automatisch das vom Modell empfohlene Format.	auto
Kontext?Maximale Kontextlaenge in Tokens (Eingabe + Ausgabe zusammen). Begrenzt, wie gross eine einzelne Anfrage sein darf.	8192
GPU-Speicher?Anteil des GPU-Speichers (0 bis 1), den vLLM belegen darf. 0.92 = 92 %. Hoeher = mehr Platz fuer den KV-Cache (mehr/laengere parallele Anfragen), aber groesseres Risiko fuer 'Out of Memory'.	0.90
Trust-Remote-Code?Erlaubt vLLM, mit dem Modell mitgelieferten Python-Code auszufuehren. Noetig fuer Architekturen, die vLLM nicht von Haus aus kennt. Nur bei vertrauenswuerdigen Modellen aktivieren.	aktiv
Host?Netzwerk-Adresse, an die der API-Server bindet. 0.0.0.0 = auf allen Netzwerk-Schnittstellen erreichbar.	0.0.0.0
Port?TCP-Port, auf dem der API-Server lauscht (bei vLLM standardmaessig 8000).	8000

All benchmarks of this model To leaderboard

Model comparison

Qwen2.5-Coder-32B-Instruct on various hardware

All published performance runs of this model – each bubble a variant: position = prefill (X) × generation (Y), bubble size = number of runs. Closer to the top right = faster. ★ Marked gold = this benchmark.

GPUby graphics card

NVIDIA RTX PRO 6000 Blackwell Workstation Edition 500,6 tok/sNVIDIA GeForce RTX 5090 479,6 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 412,8 tok/sNVIDIA GeForce RTX 3090 Ti 236,4 tok/sAMD Radeon PRO W7900 Dual Slot 102,1 tok/sNVIDIA GeForce RTX 5070 Ti 45,3 tok/s★ AMD Radeon AI PRO R9700 21,2 tok/s this run

CPUby processor

AMD Ryzen 9 9950X 16-Core Processor 500,6 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 479,6 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 412,8 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 236,4 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 102,1 tok/s★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 21,2 tok/s this run

MBby mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 500,6 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 479,6 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 412,8 tok/s this runMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 236,4 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 102,1 tok/s

ENGby engine

vLLM 500,6 tok/sllama.cpp 479,6 tok/sunbekannt 21,2 tok/s

DRVby driver

unbekannt 500,6 tok/s★ AMD 7.0.0-27-generic 21,2 tok/s this run

💰 Economics

Economics of this run

Operating cost, TCO and comparison with the next-best runs of the same model at identical concurrency (1× concurrent). Methodology →

⚙️ ConfigurationAll metrics and charts below follow these settings – based on a 24-month runtime.Save to URL Reset

⚡ Electricity price EUR/kWh

⚙️ System utilization 100 %

🖥️ Acquisition EUR

🔌 Idle 105 W

⚡ TDP 671 W

☁️ External LLM (API) show

Input €/1M Output €/1M Input per output token

Electricity0.30 EUR/kWh

Avg power (incl. idle)671 W estimated (TDP)GPU 600 + CPU 46 + Board 25 W full load

Avg cost / hourEUR 0.20

Electricity / 1M tokensEUR 5.68

Token / kWh52.79K

Acquisition (system)EUR 8,254 full priceGPU EUR 2,800 · CPU EUR 1,399 · Board EUR 1,299 · RAM EUR 2,576 · PSU EUR 180

Electricity (2 years)–

TCO (2 years)EUR 11,781

Output tokens (2 years)620.63M

☁️ External LLM (API) – comparison

External LLM cost (2 years)–

Savings vs. external (2 years)–

All values above and the charts below take the configured system utilization into account: at X% the system generates only X% of the time, the rest it idles (105 W). Cost per hour drops (more idle), cost per token rises.

Cost over 2 years – electricity only

Cost over 2 years – incl. acquisition (TCO)

Speed vs. tokens per euro

Euro per 1M tokens

Comparison vs. API – economics per benchmark

	Qwen2.5-Coder-32B-Instruct2x AMD Radeon AI PRO R9700	Qwen2.5-Coder-32B-InstructNVIDIA RTX PRO 6000 Blackwell Workstation Edition	Qwen2.5-Coder-32B-InstructNVIDIA GeForce RTX 5090	Qwen2.5-Coder-32B-InstructNVIDIA RTX PRO 6000 Blackwell Workstation Edition
Electricity cost (24 mo.)	–	–	–	–
Acquisition cost	–	–	–	–
Total cost (TCO)	–	–	–	–
Generated tokens (24 mo.)	–	–	–	–
Token price via API	–	–	–	–
Break-even point (days)	–	–	–	–
Result (savings / extra cost)	–	–	–	–

2× AMD Radeon AI PRO R9700 · this run 10 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 70 tok/s NVIDIA GeForce RTX 5090 69 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 68 tok/s

Comparison with up to 3 next-best runs of this model at the same concurrency (at least one on different hardware). Power = GPU TDP + CPU (idle + 15 %) + board (estimated), acquisition = full system (GPU + CPU + board + RAM + PSU), prices = stored market prices.

Contributed by

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.