⚠

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.

Generation7,03tok/s

Prefill253,38tok/s

Time to First Token9.056,50ms

Total duration309,54s

Concurrency1parallel

Ranking in the field

This GPU All GPUs

189of 207 systems

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

This run is better than 9 % of all comparable systems.

Generation 7,0 tok/s

-90 % vs Ø 70,8

Prefill 253,4 tok/s

-92 % vs Ø 3.275,2

Time to First Token 9.057 ms

+31 % vs Ø 6.912

Distribution in the field2 – 341 tok/s

Ø 71 Median Dieser Lauf

Wie schlägt sich dieser Benchmark?

gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260723-023425-4d6891

340,5 tok/s

gpt-oss-20b3× AMD Radeon AI PRO R9700 · run-20260723-023425-189e09

331,7 tok/s

North-Mini-Code-1.03× AMD Radeon AI PRO R9700 · run-20260723-023427-9af096

279,0 tok/s

NVIDIA-Nemotron-3-Nano-30B-A3B3× AMD Radeon AI PRO R9700 · run-20260723-031252-92db54

274,0 tok/s

Nemotron-Cascade-2-30B-A3B3× AMD Radeon AI PRO R9700 · run-20260723-031252-286996

270,4 tok/s

Nemotron-3-Nano-Omni-30B-A3B-Reasoning3× AMD Radeon AI PRO R9700 · run-20260723-031253-e2aa7d

268,7 tok/s

NVIDIA-Nemotron-3-Nano-4B3× AMD Radeon AI PRO R9700 · run-20260723-023427-2f18a1

261,2 tok/s

gpt-oss-120b3× AMD Radeon AI PRO R9700 · run-20260723-055734-5663bf

241,4 tok/s

Qwen3-Coder-30B-A3B-Instruct3× AMD Radeon AI PRO R9700 · run-20260723-031255-9073bc

237,2 tok/s

Qwen3-30B-A3B-Thinking-25073× AMD Radeon AI PRO R9700 · run-20260723-031254-518bee

231,1 tok/s

NVIDIA-Nemotron-3-Nano-30B-A3B3× AMD Radeon AI PRO R9700 · run-20260723-031251-0cd206

229,1 tok/s

Nemotron-Cascade-2-30B-A3B3× AMD Radeon AI PRO R9700 · run-20260723-031252-3aeb13

225,0 tok/s

Nemotron-3-Nano-Omni-30B-A3B-Reasoning3× AMD Radeon AI PRO R9700 · run-20260723-031253-c9ac23

223,5 tok/s

North-Mini-Code-1.03× AMD Radeon AI PRO R9700 · run-20260723-023427-6f2dd2

223,3 tok/s

MiniMax-M2.5 this run3× AMD Radeon AI PRO R9700 · run-20260726-084121-e919c7

7,0 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-M2.5

Configuration

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

All benchmarks of this model To leaderboard

Model comparison

MiniMax-M2.5 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 GB10 (DGX Spark) 105,6 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 62,7 tok/s★ AMD Radeon AI PRO R9700 18,3 tok/s this runCPU-only 0,8 tok/s

CPUby processor

NVIDIA Grace 105,6 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 62,7 tok/s★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 18,3 tok/s this runIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 0,8 tok/s

MBby mainboard

ASUSTeK COMPUTER INC. GX10 105,6 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 62,7 tok/s this runDell Inc. PowerEdge R820 0,8 tok/s

ENGby engine

★ vLLM 105,6 tok/s this runllama.cpp 18,3 tok/s

DRVby driver

NVIDIA 590.48.01 / CUDA 13.1 105,6 tok/sunbekannt 62,7 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 11.51

Token / kWh26.06K

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)443.40M

☁️ External LLM (API) – comparison Input €/1M Output €/1M Input per output token

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 7 tok/s NVIDIA GB10 (DGX Spark) 106 tok/s NVIDIA GB10 (DGX Spark) 78 tok/s NVIDIA GB10 (DGX Spark) 73 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.