# LLM-Benchmark Konfiguration # Modell : Codestral-22B-v0.1 # Engine : vLLM # Run-ID : run-20260804-052132-43f414 # GPU : NVIDIA GeForce RTX 3090 Ti # CPU : AMD Ryzen 5 5600X 6-Core Processor # RAM : 30 GB bench@llm-benchmark:~$ /opt/vllm-gemma/venv/bin/python /opt/vllm-gemma/venv/bin/vllm serve /home/godcore/models/codestral22b-awq \ --served-model-name Codestral-22B-v0.1 \ --host 192.168.41.116 \ --port 8000 \ --quantization awq \ --dtype half \ --max-model-len 32768 \ --gpu-memory-utilization 0.92 \ --enforce-eager \ --chat-template /home/godcore/models/codestral22b-awq/chat_template.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.	vllm
Modellalias?Der Name, unter dem das Modell ueber die API angesprochen wird. Genau dieser Wert muss im Request-Feld 'model' stehen.	Codestral-22B-v0.1
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	32768
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.	Codestral-22B-v0.1
Quantisierung?Quantisierungsverfahren der Gewichte (z.B. awq, gptq, fp8, bitsandbytes). Verkleinert das Modell und spart VRAM, kann die Genauigkeit leicht senken. Leer = keine zusaetzliche Quantisierung.	awq
Dtype?Zahlenformat der Modellgewichte bei der Berechnung (z.B. auto, float16, bfloat16). 'auto' waehlt automatisch das vom Modell empfohlene Format.	half
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	32768
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
Enforce-Eager?Schaltet die optimierte Graph-Ausfuehrung (CUDA-/HIP-Graphs) AB und rechnet Schritt fuer Schritt. Startet schneller und spart etwas VRAM, ist im laufenden Betrieb aber meist langsamer als mit Graphs.	aktiv
chat-template?Jinja-Vorlage, die Chat-Nachrichten in den Prompt-Text des Modells umwandelt. Noetig, wenn das Modell keine eigene mitbringt.	/home/godcore/models/codestral22b-awq/chat_template.jinja

All benchmarks of this model To leaderboard

Model comparison

Codestral-22B-v0.1 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 GeForce RTX 5090 641,4 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 629,5 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 559,4 tok/s★ NVIDIA GeForce RTX 3090 Ti 325,2 tok/s this runNVIDIA GeForce RTX 5070 Ti 62,9 tok/s

CPUby processor

AMD Ryzen 7 5800X3D 8-Core Processor 641,4 tok/sAMD Ryzen 9 9950X 16-Core Processor 629,5 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 559,4 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 325,2 tok/s★ AMD Ryzen 5 5600X 6-Core Processor 277,9 tok/s this runAMD Ryzen Threadripper PRO 5975WX 32-Cores 62,9 tok/s

MBby mainboard

ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 641,4 tok/sASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 629,5 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 559,4 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 325,2 tok/s★ ASUSTeK COMPUTER INC. PRIME A520M-K 277,9 tok/s this runASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 62,9 tok/s

ENGby engine

llama.cpp 641,4 tok/s★ vLLM 277,9 tok/s this rununbekannt 214,1 tok/s

DRVby driver

unbekannt 641,4 tok/s

💰 Economics

Economics of this run

Operating cost, TCO and comparison with the next-best runs of the same model at identical concurrency (10× 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 25 W

⚡ TDP 450 W

☁️ External LLM (API) show

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

Electricity0.30 EUR/kWh

Avg power (incl. idle)450 W estimated (TDP)GPU 450 W full load

Avg cost / hourEUR 0.14

Electricity / 1M tokensEUR 0.13

Token / kWh2.22M

Acquisition (system)EUR 1,149 partial priceGPU EUR 999 · PSU EUR 150

Electricity (2 years)–

TCO (2 years)EUR 3,514

Output tokens (2 years)17.53B

☁️ 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 (25 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

	Codestral-22B-v0.1NVIDIA GeForce RTX 3090 Ti	Codestral-22B-v0.1NVIDIA GeForce RTX 5090	Codestral-22B-v0.1NVIDIA RTX PRO 6000 Blackwell Workstation Edition	Codestral-22B-v0.13x 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)	–	–	–	–

NVIDIA GeForce RTX 3090 Ti · this run 278 tok/s NVIDIA GeForce RTX 5090 641 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 629 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 559 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

Marcel Sommer

@marcelsommer