Contributed byMario AlkaPoolside Laguna-XS-2.1
Performance benchmark · measured on 22.07.2026 17:51
Benchmark-ID
run-20260722-165910-13f8d6Timebench 3 - Kombi (Prefill + Generation)Runtime: vLLMQuantisierung: INT4
⚠
Configuration note: Es sind 3 Grafikkarten installiert, aber nur 1 wurde fuer diesen Lauf genutzt (tensor-parallel-size=1). Mit allen 3 GPUs koennte der Durchsatz deutlich hoeher liegen.
Generation26,88tok/s
Prefill3.698,07tok/s
Time to First Token747,50ms
Total duration77,69s
Concurrency1parallel
Ranking in the field
247of 455 systems
Performance benchmark · Primary metric: Generation-Speed (tok/s) · 1× concurrent
This run is better than 46 % of all comparable systems.
Generation
26,9 tok/s
-24 % vs Ø 35,3
Prefill
3.698,1 tok/s
+88 % vs Ø 1.966,4
Time to First Token
748 ms
-98 % vs Ø 35.848
Distribution in the field1 – 148 tok/s
Wie schlägt sich dieser Benchmark mit anderen Modellen?
gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260722-165909-85f64f
147,8 tok/s
gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260722-165908-d95290
147,8 tok/s
gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260722-165909-637af7
143,9 tok/s
gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260722-165908-95273d
143,9 tok/s
Nemotron-3-Nano-4B3× AMD Radeon AI PRO R9700 · run-20260805-053357-112090
139,8 tok/s
gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260722-165909-65d35f
137,7 tok/s
gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260722-165908-ff206d
137,7 tok/s
Nemotron-3-Nano-4B3× AMD Radeon AI PRO R9700 · run-20260805-053357-ed67ec
136,2 tok/s
Nemotron-3-Nano-4B3× AMD Radeon AI PRO R9700 · run-20260805-053357-16d611
129,5 tok/s
Nemotron-3-Nano-30B-A3B4× AMD Radeon AI PRO R9700 · run-20260817-111922-dd07f5
125,7 tok/s
Nemotron-3.5-Lightning-30B-A3B4× AMD Radeon AI PRO R9700 · run-20260815-060242-025c3d
121,3 tok/s
Nemotron-3.5-Lightning-30B-A3B4× AMD Radeon AI PRO R9700 · run-20260815-060242-dadb7a
113,6 tok/s
Nemotron-3.5-Lightning-30B-A3B4× AMD Radeon AI PRO R9700 · run-20260815-060243-6a7849
108,1 tok/s
Nemotron-Cascade-2-30B-A3B3× AMD Radeon AI PRO R9700 · run-20260722-181156-a273f2
107,9 tok/s
Laguna-XS-2.1 this run3× AMD Radeon AI PRO R9700 · run-20260722-165910-13f8d6
26,9 tok/s
How does this benchmark compare on other GPUs?
Same model on different hardware · 1× concurrent · Generation (tok/s)
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260728-140954-cecd39
310,2 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260728-140955-42efc5
309,9 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260728-140955-abb113
309,5 tok/s
NVIDIA GeForce RTX 5090run-20260729-032122-816f0e
308,3 tok/s
NVIDIA GeForce RTX 5090run-20260729-032122-45ddd9
308,2 tok/s
NVIDIA GeForce RTX 5090run-20260729-032123-072f17
307,9 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032123-9ed93e
276,1 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032122-868cb3
275,7 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032124-0504c1
275,5 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032123-56d822
274,3 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032123-9dad71
273,9 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032124-817c48
273,8 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032124-64abce
273,6 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032122-fb0cea
273,6 tok/s
Hardware
GPU: 3x AMD Radeon AI PRO R9700 · 32 GB VRAM
CPU: AMD Ryzen Threadripper PRO 7955WX 16-Cores
RAM: 184 GB
Mainboard: ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE
Setup
Runtime: vLLM
Quantization: INT4
Model: Laguna-XS-2.1
Configuration
# LLM-Benchmark Konfiguration
# Modell : Laguna-XS-2.1
# Engine : vLLM
# Run-ID : run-20260722-165910-13f8d6
# GPU : 3x AMD Radeon AI PRO R9700
# CPU : AMD Ryzen Threadripper PRO 7955WX 16-Cores
# RAM : 184 GB
bench@llm-benchmark:~$ /opt/python/bin/python /opt/python/bin/vllm serve poolside/Laguna-XS-2.1-INT4 \
--served-model-name Laguna-XS-2.1-INT4 \
--tensor-parallel-size 1 \
--dtype auto \
--max-model-len 8192 \
--gpu-memory-utilization 0.90 \
--trust-remote-code \
--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. | Laguna-XS-2.1-INT4 |
| Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann. | 8192 |
| Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen. | Laguna-XS-2.1-INT4 |
| 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). | 1 |
| Dtype?Zahlenformat der Modellgewichte bei der Berechnung (z.B. auto, float16, bfloat16). 'auto' waehlt automatisch das vom Modell empfohlene Format. | auto |
| Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells. | 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 |
Anzeige
Videoreihe und Benchmarkauswertung zur AMD R9700
Model comparison
Laguna-XS-2.1 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 GeForce RTX 5090 1.765,0 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 1.757,4 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 1.629,9 tok/sNVIDIA GeForce RTX 3090 Ti 986,1 tok/sNVIDIA RTX A6000 836,4 tok/sNVIDIA GeForce RTX 5070 Ti 319,0 tok/s★ AMD Radeon AI PRO R9700 154,3 tok/s this run
CPUby processor
AMD Ryzen 7 5800X3D 8-Core Processor 1.765,0 tok/sAMD Ryzen 9 9950X 16-Core Processor 1.757,4 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 1.629,9 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 986,1 tok/s★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 836,4 tok/s this runAMD Ryzen Threadripper PRO 5975WX 32-Cores 319,0 tok/s
MBby mainboard
ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 1.765,0 tok/sASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 1.757,4 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 1.629,9 tok/s this runMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 986,1 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 319,0 tok/s
DRVby driver
unbekannt 1.765,0 tok/sAMD 7.0.0-27-generic 26,9 tok/s
💰 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 URLReset
⚡ Electricity price
EUR/kWh
⚙️ System utilization
100 %
🖥️ Acquisition
EUR
🔌 Idle
85 W
⚡ TDP
371 W
☁️ External LLM (API)
Electricity0.30 EUR/kWh
Avg power (incl. idle)371 W estimated (TDP)GPU 300 + CPU 46 + Board 25 W full load
Avg cost / hourEUR 0.11
Electricity / 1M tokensEUR 1.15
Token / kWh260.83K
Acquisition (system)EUR 6,824 full priceGPU EUR 1,400 · CPU EUR 1,399 · Board EUR 1,299 · RAM EUR 2,576 · PSU EUR 150
Electricity (2 years)–
TCO (2 years)EUR 8,774
Output tokens (2 years)1.70B
☁️ 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 (85 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
| Laguna-XS-2.1AMD Radeon AI PRO R9700 | Laguna-XS-2.1NVIDIA RTX PRO 6000 Blackwell Workstation Edition | Laguna-XS-2.1NVIDIA RTX PRO 6000 Blackwell Workstation Edition | Laguna-XS-2.1NVIDIA 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) | – | – | – | – |
AMD Radeon AI PRO R9700 · this run 27 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 310 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 310 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 310 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.