Created bymario-alka.dePowered bygodcore.denoob2claw.detricoma.de
DEEN
Sign in Sign up
Beta
Contributed byMario AlkaMiniMax

MiniMax-M2.7

Performance benchmark · measured on 26.07.2026 01:04

Benchmark-IDrun-20260726-084121-458671
Timebench 3 - Kombi (Prefill + Generation)MoE230BRuntime: vLLMQuantisierung: AWQ
⚠
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.
ℹ
For context: Teile des Modells wurden per --cpu-offload-gb=25 GB in den System-RAM ausgelagert – RAM wird als erweiterter VRAM genutzt, was den Durchsatz senken kann.
Generation4,61tok/s
Prefill716,82tok/s
Time to First Token35.394,00ms
Total duration600,00s
Concurrency10parallel
Ranking in the field
This GPUAll GPUs
200of 207 systems

Performance benchmark · Primary metric: Generation-Speed (tok/s)

This run is better than 3 % of all comparable systems.
Generation 4,6 tok/s
-93 % vs Ø 70,8
Prefill 716,8 tok/s
-78 % vs Ø 3.275,2
Time to First Token 35.394 ms
+412 % vs Ø 6.912
Distribution in the field2 – 341 tok/s
Ø 71 Median Dieser Lauf

Wie schlägt sich dieser Benchmark?

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: AWQ
Model: MiniMax-M2.7

Configuration

benchmark-konfiguration — run-20260726-084121-458671
# LLM-Benchmark Konfiguration # Modell : MiniMax-M2.7 # Engine : vLLM # Run-ID : run-20260726-084121-458671 # 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 cyankiwi/MiniMax-M2.7-AWQ-4bit \ --served-model-name MiniMax-M2.7 \ --host 0.0.0.0 \ --port 8000 \ -tp 1 \ -pp 3 \ --cpu-offload-gb 25 \ --dtype auto \ --max-model-len 4096 \ --max-num-seqs 8 \ --gpu-memory-utilization 0.92 \ --enforce-eager \ --trust-remote-code
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.MiniMax-M2.7
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.4096
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.MiniMax-M2.7
tp1
pp3
cpu-offload-gb?Menge an Modellgewichten in GiB, die in den CPU-RAM ausgelagert wird. Ermoeglicht groessere Modelle als der GPU-Speicher fasst, kostet aber Geschwindigkeit.25
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.4096
Max-Sequenzen?Maximale Anzahl gleichzeitig bearbeiteter Anfragen (Batch-Groesse). Hoeher = mehr Durchsatz, braucht aber mehr KV-Cache-Speicher.8
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'.0.92

All benchmarks of this model To leaderboard

Model comparison

MiniMax-M2.7 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

14110670,335,20,001.9513.9015.852Prefill (tok/s)Generation (tok/s)NVIDIA GB10 (DGX Spark) - 108,6 tok/s Generation, 4.723 tok/s Prefill, TTFT 4.111 ms (9 Laufe)NVIDIA GB10 (DGX Spar...CPU-only - 2,6 tok/s Generation, 24 tok/s Prefill, TTFT 193.311 ms (3 Laufe)CPU-onlyAMD Radeon AI PRO R9700 - 16,9 tok/s Generation, 415 tok/s Prefill, TTFT 33.772 ms (6 Laufe) | DIESER LAUF★ AMD Radeon AI PRO R97...
NVIDIA GB10 (DGX Spark) 108,6 tok/s★ AMD Radeon AI PRO R9700 16,9 tok/s this runCPU-only 2,6 tok/s

CPUby processor

14110670,335,20,001.9513.9015.852Prefill (tok/s)Generation (tok/s)NVIDIA Grace - 108,6 tok/s Generation, 4.723 tok/s Prefill, TTFT 4.111 ms (9 Laufe)NVIDIA GraceIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz - 2,6 tok/s Generation, 24 tok/s Prefill, TTFT 193.311 ms (3 Laufe)Intel(R) Xeon(R) CPU ...AMD Ryzen Threadripper PRO 7955WX 16-Cores - 16,9 tok/s Generation, 415 tok/s Prefill, TTFT 33.772 ms (6 Laufe) | DIESER LAUF★ AMD Ryzen Threadrippe...
NVIDIA Grace 108,6 tok/s★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 16,9 tok/s this runIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 2,6 tok/s

MBby mainboard

14110670,335,20,001.9513.9015.852Prefill (tok/s)Generation (tok/s)ASUSTeK COMPUTER INC. GX10 - 108,6 tok/s Generation, 4.723 tok/s Prefill, TTFT 4.111 ms (9 Laufe)ASUSTeK COMPUTER INC....Dell Inc. PowerEdge R820 - 2,6 tok/s Generation, 24 tok/s Prefill, TTFT 193.311 ms (3 Laufe)Dell Inc. PowerEdge R...ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE - 16,9 tok/s Generation, 415 tok/s Prefill, TTFT 33.772 ms (6 Laufe) | DIESER LAUF★ ASUSTeK COMPUTER INC....
ASUSTeK COMPUTER INC. GX10 108,6 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 16,9 tok/s this runDell Inc. PowerEdge R820 2,6 tok/s

ENGby engine

13810368,934,50,001.5093.0184.527Prefill (tok/s)Generation (tok/s)llama.cpp - 16,9 tok/s Generation, 164 tok/s Prefill, TTFT 119.173 ms (6 Laufe)llama.cppvLLM - 108,6 tok/s Generation, 3.674 tok/s Prefill, TTFT 8.711 ms (12 Laufe) | DIESER LAUF★ vLLM
★ vLLM 108,6 tok/s this runllama.cpp 16,9 tok/s

DRVby driver

13810368,934,50,001.9353.8705.805Prefill (tok/s)Generation (tok/s)NVIDIA 590.48.01 / CUDA 13.1 - 108,6 tok/s Generation, 4.723 tok/s Prefill, TTFT 4.111 ms (9 Laufe)NVIDIA 590.48.01 / CU...unbekannt - 16,9 tok/s Generation, 285 tok/s Prefill, TTFT 86.952 ms (9 Laufe)unbekannt
NVIDIA 590.48.01 / CUDA 13.1 108,6 tok/sunbekannt 16,9 tok/s
💰 Economics

Economics of this run

Operating cost, TCO and comparison with the next-best runs of the same model. Methodology →

⚡ Electricity price EUR/kWh Save to URL
🖥️ Acquisition EUR Reset
Electricity0.30 EUR/kWh
Power (system)971 W estimated (TDP)GPU 900 + CPU 46 + Board 25 W
Cost / hourEUR 0.29
Electricity / 1M tokensEUR 17.55
Token / kWh17.09K
Acquisition (system)EUR 8,386 full priceGPU EUR 4,200 · CPU EUR 1,399 · Board EUR 1,299 · RAM EUR 1,288 · PSU EUR 200
TCO (2 years)EUR 13,490
Output tokens (2 years)290.76M
☁️ External LLM (API) – comparison
External LLM cost (2 years)–
Savings vs. external (2 years)–
⚙️ System utilization 100 % Idle: 125 W
Avg power (incl. idle)–
Electricity (2 years)–
Generated tokens (2 years)–
TCO (2 years)–
EUR / 1M tokens–

At X% utilization the system generates only X% of the time; the rest it idles (125 W). Electricity includes the idle draw, token volume drops with utilization. Electricity price/acquisition from above are applied.

Cost over 2 years – electricity only

Cost over 2 years – incl. acquisition (TCO)

Speed vs. tokens per euro

Euro per 1M tokens

3× AMD Radeon AI PRO R9700 · this run 5 tok/sNVIDIA GB10 (DGX Spark) 109 tok/sNVIDIA GB10 (DGX Spark) 103 tok/sNVIDIA GB10 (DGX Spark) 67 tok/s

Comparison with up to 3 next-best runs of this model (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.