⚠

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.

Generation7,03tok/s

Prefill253,38tok/s

Time to First Token9.056,50ms

Gesamtdauer309,54s

Concurrency1parallel

Einordnung im Feld

Diese GPU Alle GPUs

364von 455 Systemen

Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 1× parallel

Dieser Lauf ist besser als 20 % aller vergleichbaren Systeme.

Generation 7,0 tok/s

-80 % vs Ø 35,3

Prefill 253,4 tok/s

-87 % vs Ø 1.966,4

Time to First Token 9.057 ms

-75 % vs Ø 35.848

Verteilung im Feld1 – 148 tok/s

Ø 35 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260722-165909-85f64f

147,8 tok/s

gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260722-165908-d95290

147,8 tok/s

gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260722-165909-637af7

143,9 tok/s

gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260722-165908-95273d

143,9 tok/s

Nemotron-3-Nano-4B3× AMD Radeon AI PRO R9700 · run-20260805-053357-112090

139,8 tok/s

gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260722-165909-65d35f

137,7 tok/s

gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260722-165908-ff206d

137,7 tok/s

Nemotron-3-Nano-4B3× AMD Radeon AI PRO R9700 · run-20260805-053357-ed67ec

136,2 tok/s

Nemotron-3-Nano-4B3× AMD Radeon AI PRO R9700 · run-20260805-053357-16d611

129,5 tok/s

Nemotron-3-Nano-30B-A3B4× AMD Radeon AI PRO R9700 · run-20260817-111922-dd07f5

125,7 tok/s

Nemotron-3.5-Lightning-30B-A3B4× AMD Radeon AI PRO R9700 · run-20260815-060242-025c3d

121,3 tok/s

Nemotron-3.5-Lightning-30B-A3B4× AMD Radeon AI PRO R9700 · run-20260815-060242-dadb7a

113,6 tok/s

Nemotron-3.5-Lightning-30B-A3B4× AMD Radeon AI PRO R9700 · run-20260815-060243-6a7849

108,1 tok/s

Nemotron-Cascade-2-30B-A3B3× AMD Radeon AI PRO R9700 · run-20260722-181156-a273f2

107,9 tok/s

MiniMax-M2.5 dieser Lauf3× AMD Radeon AI PRO R9700 · run-20260726-084121-e919c7

7,0 tok/s

Wie schlägt sich dieser Benchmark mit anderen GPUs?

Dasselbe Modell auf anderer Hardware · 1× parallel · Generation (tok/s)

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032130-3a3cc6

116,2 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260728-164528-2c7f40

116,2 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032127-fd7165

116,2 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260728-164528-176d92

115,7 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032127-0f36ce

109,0 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032129-05f4c7

106,9 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260722-165903-309484

62,7 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260722-165904-a1f0cb

62,7 tok/s

NVIDIA GB10run-20260726-091400-b10991

32,2 tok/s

NVIDIA GB10run-20260726-084120-94f03f

31,9 tok/s

4× AMD Radeon AI PRO R9700run-20260810-003948-22d7b0

28,4 tok/s

2× AMD Radeon PRO W7900 Dual Slotrun-20260818-094144-d89c6b

14,6 tok/s

AMD Radeon PRO W7900 Dual Slotrun-20260817-222755-979828

14,5 tok/s

NVIDIA GeForce RTX 5070 Tirun-20260728-164527-55ef81

11,9 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-M2.5

Konfiguration

benchmark-konfiguration — run-20260726-084121-e919c7

# LLM-Benchmark Konfiguration # Modell : MiniMax-M2.5 # Engine : vLLM # Run-ID : run-20260726-084121-e919c7 # 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-M2.5-AWQ-4bit \ --served-model-name MiniMax-M2.5 \ --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-M2.5
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-M2.5
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-M2.5 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 551,0 tok/sNVIDIA GB10 (DGX Spark) 105,6 tok/s★ AMD Radeon AI PRO R9700 66,1 tok/s dieser LaufNVIDIA GeForce RTX 5070 Ti 22,5 tok/sAMD Radeon PRO W7900 Dual Slot 19,3 tok/sNVIDIA GeForce RTX 3090 Ti 15,9 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 7,0 tok/sNVIDIA GeForce RTX 5090 4,4 tok/sNVIDIA GeForce RTX 2060 0,8 tok/s

CPUnach Prozessor

AMD Ryzen Threadripper PRO 9965WX 24-Cores 551,0 tok/sNVIDIA Grace 105,6 tok/s★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 66,1 tok/s dieser LaufAMD Ryzen Threadripper PRO 5975WX 32-Cores 22,5 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 15,9 tok/sAMD Ryzen 9 9950X 16-Core Processor 7,0 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 4,4 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 0,8 tok/s

MBnach Mainboard

★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 551,0 tok/s dieser LaufASUSTeK COMPUTER INC. GX10 105,6 tok/sunbekannt 62,7 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 22,5 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 15,9 tok/sASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 7,0 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 4,4 tok/sDell Inc. PowerEdge R820 0,8 tok/s

ENGnach Engine

llama.cpp 551,0 tok/s★ vLLM 105,6 tok/s dieser Laufunbekannt 62,7 tok/s

DRVnach Treiber

unbekannt 551,0 tok/sNVIDIA 590.48.01 / CUDA 13.1 105,6 tok/sNVIDIA 580.159.04 / CUDA 13.0 62,7 tok/sAMD 7.0.0-27-generic 6,5 tok/s

💰 Economics

Wirtschaftlichkeit dieses Laufs

Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (1× 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. Token4,40 EUR

Token / kWh68,22 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)443,40 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-M2.5AMD Radeon AI PRO R9700	MiniMax-M2.53x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	MiniMax-M2.53x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	MiniMax-M2.53x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition
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 7 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 116 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 116 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 116 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.