⚠

Konfigurations-Hinweis: 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

Zur Einordnung: 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.

Generation3,92tok/s

Prefill600,38tok/s

Time to First Token23.512,00ms

Gesamtdauer600,00s

Concurrency5parallel

Einordnung im Feld

Diese GPU Alle GPUs

195von 203 Systemen

Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 5× parallel

Dieser Lauf ist besser als 4 % aller vergleichbaren Systeme.

Generation 3,9 tok/s

-95 % vs Ø 79,5

Prefill 600,4 tok/s

-66 % vs Ø 1.742,0

Time to First Token 23.512 ms

-71 % vs Ø 81.026

Verteilung im Feld0 – 382 tok/s

Ø 80 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

Nemotron-3-Nano-4B3× AMD Radeon AI PRO R9700 · run-20260805-053357-87d883

382,3 tok/s

Nemotron-3-Nano-4B3× AMD Radeon AI PRO R9700 · run-20260805-053357-8c89a3

375,9 tok/s

Nemotron-3-Nano-4B3× AMD Radeon AI PRO R9700 · run-20260805-053357-2ea6a0

358,5 tok/s

Meta-Llama-3.1-8B-Instruct3× AMD Radeon AI PRO R9700 · run-20260805-053359-1ea886

281,8 tok/s

Meta-Llama-3.1-8B-Instruct3× AMD Radeon AI PRO R9700 · run-20260805-053400-317715

275,7 tok/s

Meta-Llama-3.1-8B-Instruct3× AMD Radeon AI PRO R9700 · run-20260805-053359-8aa51d

274,9 tok/s

Nemotron-3.5-Lightning-30B-A3B4× AMD Radeon AI PRO R9700 · run-20260815-060242-c84924

265,9 tok/s

Ornith-1.0-9B3× AMD Radeon AI PRO R9700 · run-20260805-053400-78e916

261,5 tok/s

Nemotron-3.5-Lightning-30B-A3B4× AMD Radeon AI PRO R9700 · run-20260814-053558-f38347

260,6 tok/s

Nemotron-3.5-Lightning-30B-A3B4× AMD Radeon AI PRO R9700 · run-20260815-060243-ebd36b

256,7 tok/s

Ornith-1.0-9B3× AMD Radeon AI PRO R9700 · run-20260805-053400-95309b

255,3 tok/s

Ornith-1.0-9B3× AMD Radeon AI PRO R9700 · run-20260805-053400-2725f4

254,6 tok/s

Nemotron-3.5-Lightning-30B-A3B4× AMD Radeon AI PRO R9700 · run-20260815-060243-a18e75

253,1 tok/s

Qwen3.6-35B-A3B4× AMD Radeon AI PRO R9700 · run-20260810-033719-08f815

232,5 tok/s

MiniMax-M2.7 dieser Lauf3× AMD Radeon AI PRO R9700 · run-20260726-084121-8effe4

3,9 tok/s

Wie schlägt sich dieser Benchmark mit anderen GPUs?

Dasselbe Modell auf anderer Hardware · 5× parallel · Generation (tok/s)

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260806-094434-8ddf94

312,3 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260806-094434-d650d9

306,0 tok/s

NVIDIA GB10run-20260726-091400-a1c841

108,6 tok/s

NVIDIA GB10run-20260723-055735-105350

106,1 tok/s

NVIDIA GB10run-20260726-084121-f4644d

52,5 tok/s

NVIDIA GB10run-20260726-084121-df64ee

51,6 tok/s

3× AMD Radeon AI PRO R9700run-20260806-094438-d8813d

14,5 tok/s

3× AMD Radeon AI PRO R9700run-20260806-094438-520059

12,9 tok/s

3× AMD Radeon AI PRO R9700run-20260806-094438-3cf1f0

12,3 tok/s

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260806-094439-cec425

6,3 tok/s

NVIDIA GeForce RTX 5090run-20260806-094436-900af8

6,0 tok/s

NVIDIA GeForce RTX 5090run-20260806-094439-507389

5,9 tok/s

3× AMD Radeon AI PRO R9700 dieser Laufrun-20260726-084121-8effe4

3,9 tok/s

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260806-094434-a65ba5

3,4 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
Quantisierung: AWQ
Modell: MiniMax-M2.7

Konfiguration

benchmark-konfiguration — run-20260726-084121-8effe4

# LLM-Benchmark Konfiguration # Modell : MiniMax-M2.7 # Engine : vLLM # Run-ID : run-20260726-084121-8effe4 # 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
tp	1
pp	3
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

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

MiniMax-M2.7 auf verschiedener Hardware

Alle veröffentlichten Performance-Läufe dieses Modells – jede Blase eine Variante: Position = Prefill (X) × Generation (Y), Blasengröße = Anzahl Läufe. Näher oben rechts = schneller. ★ Gold markiert = dieser Benchmark.

GPUnach Grafikkarte

NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 548,6 tok/sNVIDIA GB10 (DGX Spark) 174,2 tok/s★ AMD Radeon AI PRO R9700 14,5 tok/s dieser LaufNVIDIA RTX PRO 6000 Blackwell Workstation Edition 7,0 tok/sNVIDIA GeForce RTX 5090 6,0 tok/sNVIDIA GeForce RTX 3090 Ti 4,0 tok/sNVIDIA GeForce RTX 2060 2,6 tok/s

CPUnach Prozessor

AMD Ryzen Threadripper PRO 9965WX 24-Cores 548,6 tok/sNVIDIA Grace 174,2 tok/s★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 14,5 tok/s dieser LaufAMD Ryzen 9 9950X 16-Core Processor 7,0 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 6,0 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 4,0 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 2,6 tok/s

MBnach Mainboard

★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 548,6 tok/s dieser LaufASUSTeK COMPUTER INC. GX10 174,2 tok/sASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 7,0 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 6,0 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 4,0 tok/sDell Inc. PowerEdge R820 2,6 tok/s

ENGnach Engine

llama.cpp 548,6 tok/s★ vLLM 174,2 tok/s dieser Laufunbekannt 3,0 tok/s

DRVnach Treiber

unbekannt 548,6 tok/sNVIDIA 590.48.01 / CUDA 13.1 174,2 tok/sAMD 7.0.0-27-generic 3,0 tok/s

💰 Economics

Wirtschaftlichkeit dieses Laufs

Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (5× parallel). Methodik →

⚙️ KonfigurationAlle Kennzahlen und Diagramme unten folgen diesen Einstellungen – bezogen auf 24 Monate Laufzeit.In URL übernehmen Zurücksetzen

⚡ Strompreis EUR/kWh

⚙️ System-Auslastung 100 %

🖥️ Anschaffung EUR

🔌 Idle 85 W

⚡ TDP 371 W

☁️ Externes LLM (API) anzeigen

Input €/1M Output €/1M Input je Output-Token

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)371 W geschätzt (TDP)GPU 300 + CPU 46 + Board 25 W Volllast

Ø-Kosten / Stunde0,11 EUR

Strom / 1 Mio. Token7,89 EUR

Token / kWh38,04 Tsd.

Anschaffung (System)6.824 EUR VollpreisGPU 1.400 EUR · CPU 1.399 EUR · Board 1.299 EUR · RAM 2.576 EUR · Netzteil 150 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)8.774 EUR

Output-Token (2 Jahre)247,24 Mio.

☁️ Externes LLM (API) – Vergleich

Externe LLM-Kosten (2 Jahre)–

Ersparnis vs. extern (2 Jahre)–

Alle Werte oben und die Diagramme unten berücksichtigen die eingestellte System-Auslastung: bei X % generiert das System nur X % der Zeit, die restliche Zeit läuft es im Idle (85 W). Kosten pro Stunde sinken dadurch (mehr Idle), Kosten je Token steigen.

Kosten über 2 Jahre – nur Strom

Kosten über 2 Jahre – inkl. Anschaffung (TCO)

Geschwindigkeit vs. Token pro Euro

Euro pro 1 Mio. Token

Vergleich zur API – Wirtschaftlichkeit je Benchmark

	MiniMax-M2.7AMD Radeon AI PRO R9700	MiniMax-M2.73x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	MiniMax-M2.73x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	MiniMax-M2.7NVIDIA GB10 (DGX Spark)
Kosten Strom (24 Mon.)	–	–	–	–
Kosten Anschaffung	–	–	–	–
Kosten Gesamt (TCO)	–	–	–	–
Generierte Token (24 Mon.)	–	–	–	–
Tokenpreis bei API	–	–	–	–
Break-Even-Point (Tage)	–	–	–	–
Ergebnis (Ersparnis / Ausgabe)	–	–	–	–

AMD Radeon AI PRO R9700 · dieser Lauf 4 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 312 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 306 tok/s NVIDIA GB10 (DGX Spark) 109 tok/s

Vergleich mit bis zu 3 nächstbesten Läufen dieses Modells bei gleicher Concurrency (mind. einer auf anderer Hardware). Leistung = GPU-TDP + CPU (Idle + 15 %) + Board (geschätzt), Anschaffung = komplettes System (GPU + CPU + Board + RAM + Netzteil), Preise = hinterlegte Marktpreise.

Beigesteuert von

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.