Created bymario-alka.dePowered bygodcore.denoob2claw.detricoma.de
DEEN
Anmelden Registrieren
Beta
Beigesteuert vonMario AlkaMistral AI

Devstral-Small-2507

Performancebenchmark · gemessen am 27.07.2026 11:04

Benchmark-IDrun-20260727-113142-700efe
Timebench 3 - Kombi (Prefill + Generation)Dense24BRuntime: llama.cppQuantisierung: Q4_K_M
Generation103,94tok/s
Prefill2.847,59tok/s
Time to First Token64.619,50ms
Gesamtdauer396,72s
Concurrency10parallel
Einordnung im Feld
Diese GPUAlle GPUs
9von 20 Systemen

Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 10× parallel

Dieser Lauf ist besser als 58 % aller vergleichbaren Systeme.
Generation 103,9 tok/s
-78 % vs Ø 464,5
Prefill 2.847,6 tok/s
-48 % vs Ø 5.437,0
Time to First Token 64.620 ms
+51 % vs Ø 42.890
Verteilung im Feld3 – 1.743 tok/s
Ø 465 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

Wie schlägt sich dieser Benchmark mit anderen GPUs?

Dasselbe Modell auf anderer Hardware · 10× parallel · Generation (tok/s)

NVIDIA GeForce RTX 3090 Tirun-20260727-155936-8f8bab
317,4 tok/s
NVIDIA GeForce RTX 5070 Ti dieser Laufrun-20260727-113142-700efe
103,9 tok/s

Hardware

GPU: NVIDIA GeForce RTX 5070 Ti · 16 GB VRAM
CPU: AMD Ryzen Threadripper PRO 5975WX 32-Cores
RAM: 247 GB
Mainboard: ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI

Setup

Runtime: llama.cpp
Quantisierung: Q4_K_M
Modell: Devstral-Small-2507

Konfiguration

benchmark-konfiguration — run-20260727-113142-700efe
# LLM-Benchmark Konfiguration # Modell : Devstral-Small-2507 # Engine : llama.cpp # Run-ID : run-20260727-113142-700efe # GPU : NVIDIA GeForce RTX 5070 Ti # CPU : AMD Ryzen Threadripper PRO 5975WX 32-Cores # RAM : 247 GB bench@llm-benchmark:~$ /home/godcore/llama.cpp/build/bin/llama-server \ -m /home/godcore/.cache/huggingface/hub/models--mistralai--Devstral-Small-2507_gguf/snapshots/ee2f0c00c5c86862f471fbf533268cf01b80d4a6/Devstral-Small-2507-Q4_K_M.gguf \ --alias Devstral-Small-2507 \ --host 0.0.0.0 \ --port 8000 \ -ngl 30 \ -c 16384 \ -np 4 \ --jinja
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.llamacpp
Modellalias?Der Name, unter dem das Modell ueber die API angesprochen wird. Genau dieser Wert muss im Request-Feld 'model' stehen.Devstral-Small-2507
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.16384
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird./home/godcore/.cache/huggingface/hub/models--mistralai--Devstral-Small-2507_gguf/snapshots/ee2f0c00c5c86862f471fbf533268cf01b80d4a6/Devstral-Small-2507-Q4_K_M.gguf
GPU-Layer?Anzahl der auf die GPU ausgelagerten Modell-Layer. Hoeher = mehr VRAM und schneller; der Rest laeuft auf der CPU. 999 = alles auf GPU.30
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.16384
np4

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Devstral-Small-2507 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

39230121112029,52.1153.1554.1955.235Prefill (tok/s)Generation (tok/s)NVIDIA GeForce RTX 3090 Ti - 317,4 tok/s Generation, 4.619 tok/s Prefill, TTFT 10.835 ms (3 Laufe)NVIDIA GeForce RTX 30...NVIDIA GeForce RTX 5070 Ti - 103,9 tok/s Generation, 2.732 tok/s Prefill, TTFT 42.889 ms (2 Laufe) | DIESER LAUF★ NVIDIA GeForce RTX 50...
NVIDIA GeForce RTX 3090 Ti 317,4 tok/s★ NVIDIA GeForce RTX 5070 Ti 103,9 tok/s dieser Lauf

CPUnach Prozessor

39230121112029,52.1153.1554.1955.235Prefill (tok/s)Generation (tok/s)AMD Ryzen 9 8945HX with Radeon Graphics - 317,4 tok/s Generation, 4.619 tok/s Prefill, TTFT 10.835 ms (3 Laufe)AMD Ryzen 9 8945HX wi...AMD Ryzen Threadripper PRO 5975WX 32-Cores - 103,9 tok/s Generation, 2.732 tok/s Prefill, TTFT 42.889 ms (2 Laufe) | DIESER LAUF★ AMD Ryzen Threadrippe...
AMD Ryzen 9 8945HX with Radeon Graphics 317,4 tok/s★ AMD Ryzen Threadripper PRO 5975WX 32-Cores 103,9 tok/s dieser Lauf

MBnach Mainboard

39230121112029,52.1153.1554.1955.235Prefill (tok/s)Generation (tok/s)Meigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) - 317,4 tok/s Generation, 4.619 tok/s Prefill, TTFT 10.835 ms (3 Laufe)Meigao Innovation Tec...ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI - 103,9 tok/s Generation, 2.732 tok/s Prefill, TTFT 42.889 ms (2 Laufe) | DIESER LAUF★ ASUSTeK COMPUTER INC....
Meigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 317,4 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 103,9 tok/s dieser Lauf

ENGnach Engine

3493333173022863.6323.7873.9414.096Prefill (tok/s)Generation (tok/s)llama.cpp - 317,4 tok/s Generation, 3.864 tok/s Prefill, TTFT 23.656 ms (5 Laufe) | DIESER LAUF★ llama.cpp
★ llama.cpp 317,4 tok/s dieser Lauf

DRVnach Treiber

3493333173022863.6323.7873.9414.096Prefill (tok/s)Generation (tok/s)unbekannt - 317,4 tok/s Generation, 3.864 tok/s Prefill, TTFT 23.656 ms (5 Laufe)unbekannt
unbekannt 317,4 tok/s
💰 Economics

Wirtschaftlichkeit dieses Laufs

Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (10× parallel). Methodik →

⚙️ KonfigurationAlle Kennzahlen und Diagramme unten folgen diesen Einstellungen – bezogen auf 24 Monate Laufzeit.In URL übernehmenZurücksetzen
⚡ Strompreis EUR/kWh
⚙️ System-Auslastung 100 %
🖥️ Anschaffung EUR
🔌 Idle 10 W
⚡ TDP 10 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)10 W fehltBoard 10 W Volllast
Ø-Kosten / Stunde0,0030 EUR
Strom / 1 Mio. Token0,0080 EUR
Token / kWh37,42 Mio.
Anschaffung (System)2.096 EUR fehltRAM 1.976 EUR · Netzteil 120 EUR
Stromkosten (2 Jahre)–
TCO (2 Jahre)2.149 EUR
Output-Token (2 Jahre)6,56 Mrd.
☁️ Externes LLM (API) – Vergleich
Externe LLM-Kosten (2 Jahre)–
Ersparnis vs. extern (2 Jahre)–
Keine Leistungsaufnahme gemessen – Werte geschätzt aus GPU-TDP + CPU (Idle + 15 %) + Board.

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 (10 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

NVIDIA GeForce RTX 5070 Ti · dieser Lauf 104 tok/sNVIDIA GeForce RTX 3090 Ti 317 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.