# LLM-Benchmark Konfiguration # Modell : Mistral-Small-3.1-24B-Instruct-2503 # Engine : vLLM # Run-ID : run-20260724-004604-dd6832 # GPU : NVIDIA RTX PRO 6000 Blackwell Workstation Edition # CPU : 32x AMD Ryzen 9 9950X 16-Core Processor # RAM : 92 GB bench@llm-benchmark:~$ /home/godcore/minimax-vllm-nightly/.venv/bin/python /home/godcore/minimax-vllm-nightly/.venv/bin/vllm serve OPEA/Mistral-Small-3.1-24B-Instruct-2503-int4-AutoRound-awq-sym \ --served-model-name Mistral-Small-3.1-24B-Instruct-2503 \ --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.	Mistral-Small-3.1-24B-Instruct-2503
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.	Mistral-Small-3.1-24B-Instruct-2503
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

All benchmarks of this model To leaderboard

Model comparison

Mistral-Small-3.1-24B-Instruct-2503 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 3090 Ti 472,5 tok/s★ NVIDIA RTX PRO 6000 Blackwell Workstation Edition 88,3 tok/s this runAMD Radeon AI PRO R9700 73,6 tok/sAMD Radeon 8060S Graphics 31,3 tok/s

CPUby processor

AMD Ryzen 9 8945HX with Radeon Graphics 472,5 tok/s★ AMD Ryzen 9 9950X 16-Core Processor 88,3 tok/s this runAMD Ryzen Threadripper PRO 7955WX 16-Cores 73,6 tok/sAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 31,3 tok/s

MBby mainboard

unbekannt 472,5 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 73,6 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd SHWSA (MS-S1 MAX) 31,3 tok/s

ENGby engine

llama.cpp 472,5 tok/s★ vLLM 88,3 tok/s this run

DRVby driver

unbekannt 472,5 tok/sAMD 7.0.0-27-generic 73,6 tok/sROCm 7.2.0 31,3 tok/s

Contributed by

Mario Alka Administrator

@marioalka

Gruender von godcore.de und Betreiber von llm-benchmark.de. Ich teste KI-Sprachmodelle auf echter Hardware, messe Tempo (Token/s) und Aufgaben-Qualitaet und teile die Ergebnisse offen und reproduzierbar.