⚠

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.

Generation3,92tok/s

Prefill600,38tok/s

Time to First Token23.512,00ms

Total duration600,00s

Concurrency5parallel

Ranking in the field

This GPU All GPUs

195of 203 systems

Performance benchmark · Primary metric: Generation-Speed (tok/s) · 5× concurrent

This run is better than 4 % of all comparable systems.

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

Distribution in the field0 – 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 this run3× AMD Radeon AI PRO R9700 · run-20260726-084121-8effe4

3,9 tok/s

How does this benchmark compare on other GPUs?

Same model on different hardware · 5× concurrent · 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 this runrun-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
Quantization: AWQ
Model: MiniMax-M2.7

Configuration

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

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

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 this runNVIDIA 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

CPUby processor

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 this runAMD 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

MBby mainboard

★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 548,6 tok/s this runASUSTeK 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

ENGby engine

llama.cpp 548,6 tok/s★ vLLM 174,2 tok/s this rununbekannt 3,0 tok/s

DRVby driver

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

Economics of this run

Operating cost, TCO and comparison with the next-best runs of the same model at identical concurrency (5× concurrent). Methodology →

⚙️ ConfigurationAll metrics and charts below follow these settings – based on a 24-month runtime.Save to URL Reset

⚡ Electricity price EUR/kWh

⚙️ System utilization 100 %

🖥️ Acquisition EUR

🔌 Idle 85 W

⚡ TDP 371 W

☁️ External LLM (API) show

Input €/1M Output €/1M Input per output token

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 7.89

Token / kWh38.04K

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)247.24M

☁️ 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

	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)
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 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

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.