⚠

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

364of 455 systems

Performance benchmark · Primary metric: Generation-Speed (tok/s) · 1× concurrent

This run is better than 20 % of all comparable systems.

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

Distribution in the field1 – 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 this run3× AMD Radeon AI PRO R9700 · run-20260726-084121-e919c7

7,0 tok/s

How does this benchmark compare on other GPUs?

Same model on different hardware · 1× concurrent · 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
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 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 this runNVIDIA 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

CPUby processor

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 this runAMD 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

MBby mainboard

★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 551,0 tok/s this runASUSTeK 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

ENGby engine

llama.cpp 551,0 tok/s★ vLLM 105,6 tok/s this rununbekannt 62,7 tok/s

DRVby driver

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

Economics of this run

Operating cost, TCO and comparison with the next-best runs of the same model at identical concurrency (1× 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 4.40

Token / kWh68.22K

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)443.40M

☁️ 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-M2.5AMD 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
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 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

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.