# LLM-Benchmark Konfiguration # Modell : Devstral-Small-2-24B-Instruct-2512 # Engine : vLLM # Run-ID : run-20260804-052132-95df37 # 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/devstral24-awq \ --served-model-name Devstral-Small-2-24B-Instruct-2512 \ --host 192.168.41.116 \ --port 8000 \ --dtype half \ --max-model-len 32768 \ --gpu-memory-utilization 0.92 \ --enforce-eager \ --limit-mm-per-prompt '{"image":0}'

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.	Devstral-Small-2-24B-Instruct-2512
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.	Devstral-Small-2-24B-Instruct-2512
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
limit-mm-per-prompt?Obergrenze fuer multimodale Eingaben pro Prompt (z.B. Anzahl Bilder). Nur fuer multimodale Modelle relevant.	{"image":0}

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Devstral-Small-2-24B-Instruct-2512 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 Workstation Edition 725,6 tok/sNVIDIA GeForce RTX 5090 620,3 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 569,7 tok/s★ NVIDIA GeForce RTX 3090 Ti 355,4 tok/s dieser LaufNVIDIA GeForce RTX 5070 Ti 108,5 tok/s

CPUnach Prozessor

AMD Ryzen 9 9950X 16-Core Processor 725,6 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 620,3 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 569,7 tok/s★ AMD Ryzen 5 5600X 6-Core Processor 355,4 tok/s dieser LaufAMD Ryzen 9 8945HX with Radeon Graphics 331,6 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 108,5 tok/s

MBnach Mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 725,6 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 620,3 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 569,7 tok/s★ ASUSTeK COMPUTER INC. PRIME A520M-K 355,4 tok/s dieser LaufMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 331,6 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 108,5 tok/s

ENGnach Engine

★ vLLM 725,6 tok/s dieser Laufllama.cpp 645,1 tok/sunbekannt 247,7 tok/s

DRVnach Treiber

unbekannt 725,6 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 25 W

⚡ TDP 450 W

☁️ Externes LLM (API) anzeigen

Input €/1M Output €/1M Input je Output-Token

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)450 W geschätzt (TDP)GPU 450 W Volllast

Ø-Kosten / Stunde0,14 EUR

Strom / 1 Mio. Token0,67 EUR

Token / kWh447,84 Tsd.

Anschaffung (System)1.149 EUR TeilpreisGPU 999 EUR · Netzteil 150 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)3.514 EUR

Output-Token (2 Jahre)3,53 Mrd.

☁️ 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 (25 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

	Devstral-Small-2-24B-Instruct-2512NVIDIA GeForce RTX 3090 Ti	Devstral-Small-2-24B-Instruct-2512NVIDIA RTX PRO 6000 Blackwell Workstation Edition	Devstral-Small-2-24B-Instruct-2512NVIDIA GeForce RTX 5090	Devstral-Small-2-24B-Instruct-2512NVIDIA RTX PRO 6000 Blackwell 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)	–	–	–	–

NVIDIA GeForce RTX 3090 Ti · dieser Lauf 56 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 97 tok/s NVIDIA GeForce RTX 5090 95 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 94 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

Marcel Sommer

@marcelsommer