MiniMax
MiniMax-M2.7-AWQ-4bit
Performancebenchmark · gemessen am 23.07.2026 05:33
Benchmark-ID
run-20260723-055735-60de93Timebench 3 - Kombi (Prefill + Generation)MoE230BRuntime: vLLMQuantisierung: AWQ
ℹ
Zur Einordnung: Diese Plattform nutzt Unified Memory – die "VRAM" ist gemeinsamer System-RAM (APU/Superchip); das Modell teilt sich den Speicher mit dem System.
Generation31,52tok/s
Prefill2.328,05tok/s
Time to First Token991,00ms
Gesamtdauer66,97s
Concurrency1parallel
Einordnung im Feld
158von 246 Systemen
Performancebenchmark · Leitmetrik: Generation-Speed (tok/s)
Dieser Lauf ist besser als 36 % aller vergleichbaren Systeme.
Generation
31,5 tok/s
-68 % vs Ø 97,1
Prefill
2.328,1 tok/s
-33 % vs Ø 3.494,7
Time to First Token
991 ms
-94 % vs Ø 17.581
Verteilung im Feld0 – 1.295 tok/s
Wie schlägt sich dieser Benchmark?
gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260723-045447-edeed3
1.295,3 tok/s
Qwen3-Coder-30B-A3B-InstructNVIDIA GeForce RTX 5090 · run-20260723-045450-366dae
966,2 tok/s
Qwen3-30B-A3B-Instruct-2507NVIDIA GeForce RTX 5090 · run-20260723-045450-e8df4d
909,3 tok/s
Qwen3-30B-A3B-Thinking-2507NVIDIA GeForce RTX 5090 · run-20260723-045450-14f178
873,7 tok/s
gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260723-045447-5656a1
784,5 tok/s
Qwen3-Coder-30B-A3B-InstructNVIDIA GeForce RTX 5090 · run-20260723-045450-4162ec
688,6 tok/s
Qwen3-30B-A3B-Instruct-2507NVIDIA GeForce RTX 5090 · run-20260723-045448-81246f
655,8 tok/s
Qwen3-30B-A3B-Thinking-2507NVIDIA GeForce RTX 5090 · run-20260723-045450-1d48c8
633,4 tok/s
gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260723-023425-4d6891
340,5 tok/s
gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260723-023425-189e09
331,7 tok/s
North-Mini-Code-1.03× AMD Radeon AI PRO R9700 · run-20260723-023427-9af096
279,0 tok/s
NVIDIA-Nemotron-3-Nano-30B-A3B3× AMD Radeon AI PRO R9700 · run-20260723-031252-92db54
274,0 tok/s
Nemotron-Cascade-2-30B-A3B3× AMD Radeon AI PRO R9700 · run-20260723-031252-286996
270,4 tok/s
Nemotron-3-Nano-Omni-30B-A3B-Reasoning3× AMD Radeon AI PRO R9700 · run-20260723-031253-e2aa7d
268,7 tok/s
MiniMax-M2.7-AWQ-4bit dieser LaufNVIDIA GB10 · run-20260723-055735-60de93
31,5 tok/s
Hardware
GPU: NVIDIA GB10 · 128 GB VRAM
CPU: NVIDIA Grace
RAM: 120 GB
Setup
Runtime: vLLM
Quantisierung: AWQ
Modell: MiniMax-M2.7-AWQ-4bit
Konfiguration
# LLM-Benchmark Konfiguration
# Modell : MiniMax-M2.7-AWQ-4bit
# Engine : vLLM
# Run-ID : run-20260723-055735-60de93
# GPU : NVIDIA GB10
# CPU : NVIDIA Grace
# RAM : 120 GB
bench@llm-benchmark:~$ /usr/bin/python /usr/local/bin/vllm serve cyankiwi/MiniMax-M2.7-AWQ-4bit \
--host 0.0.0.0 \
--port 8000 \
--tensor-parallel-size 2 \
--distributed-executor-backend ray \
--gpu-memory-utilization 0.8 \
--max-model-len 196608 \
--max-num-seqs 4 \
--load-format fastsafetensors \
--tool-call-parser minimax_m2 \
--reasoning-parser minimax_m2 \
--enable-auto-tool-choice \
--kv-cache-dtype fp8_e4m3 \
--enable-prefix-caching \
--trust-remote-code \
--enforce-eager \
--served-model-name cyankiwi/MiniMax-M2.7-AWQ-4bit
| Engine | vllm |
| Modellalias | cyankiwi/MiniMax-M2.7-AWQ-4bit |
| Kontextlaenge | 196608 |
| Tensor-Parallel | 2 |
| Executor-Backend | ray |
| GPU-Speicher | 0.8 |
| Kontext | 196608 |
| Max-Sequenzen | 4 |
| Load-Format | fastsafetensors |
| Tool-Parser | minimax_m2 |
| Reasoning-Parser | minimax_m2 |
| Auto-Tool-Choice | aktiv |
| KV-Cache-Dtype | fp8_e4m3 |
| Prefix-Caching | aktiv |
| Trust-Remote-Code | aktiv |
| Enforce-Eager | aktiv |
| Alias | cyankiwi/MiniMax-M2.7-AWQ-4bit |