ℹ

Zur Einordnung: Diese Plattform nutzt Unified Memory – die "VRAM" ist gemeinsamer System-RAM (APU/Superchip); das Modell teilt sich den Speicher mit dem System.

Generation37,94tok/s

Prefill70,23tok/s

Time to First Token161.804,00ms

Gesamtdauer1.200,00s

Concurrency10parallel

Einordnung im Feld

Diese GPU Alle GPUs

549von 696 Systemen

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

Dieser Lauf ist besser als 21 % aller vergleichbaren Systeme.

Generation 37,9 tok/s

-93 % vs Ø 577,6

Prefill 70,2 tok/s

-99 % vs Ø 5.225,2

Time to First Token 161.804 ms

+114 % vs Ø 75.614

Verteilung im Feld0 – 2.491 tok/s

Ø 562 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

gemma-4-E2B-itNVIDIA GeForce RTX 5090 · run-20260728-184455-e28775

2.491,2 tok/s

gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181606-b37ed9

2.414,4 tok/s

NVIDIA-Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181607-4cca42

2.182,7 tok/s

gemma-4-E2B-it3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-184456-d87c73

2.143,6 tok/s

gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260730-035052-9c966e

1.995,4 tok/s

gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260728-140954-8007c4

1.993,5 tok/s

NVIDIA-Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-0aed86

1.937,7 tok/s

NVIDIA-Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-8db0fa

1.911,6 tok/s

NVIDIA-Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260727-181606-e0eafd

1.897,0 tok/s

gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260729-032121-7c961d

1.890,7 tok/s

NVIDIA-Nemotron-3-Nano-4BNVIDIA GeForce RTX 5090 · run-20260728-194135-2ed9dd

1.878,7 tok/s

gpt-oss-20b3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-034052-26063b

1.835,7 tok/s

NVIDIA-Nemotron-3-Nano-4B3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-a77046

1.830,3 tok/s

gpt-oss-20b3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260729-032121-c6e7e0

1.819,5 tok/s

Magistral-Small-2509 dieser LaufIntel Arc Pro B70 · run-20260805-053406-afe666

37,9 tok/s

Wie schlägt sich dieser Benchmark mit anderen GPUs?

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

NVIDIA GeForce RTX 5090run-20260729-032124-203104

737,0 tok/s

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260724-004604-c6df15

726,9 tok/s

NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260728-140955-5a13a1

724,5 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032125-6676db

637,2 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260728-140955-e7763a

628,6 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032125-bcedb7

612,9 tok/s

3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260729-032124-1ee0da

524,7 tok/s

NVIDIA GeForce RTX 3090 Tirun-20260728-143206-fb66ee

353,8 tok/s

NVIDIA GeForce RTX 3090 Tirun-20260724-004603-8259cd

330,9 tok/s

AMD Radeon AI PRO R9700run-20260805-053359-9c39cc

230,0 tok/s

3× AMD Radeon AI PRO R9700run-20260805-053359-bdaec7

224,8 tok/s

AMD Radeon AI PRO R9700run-20260805-053358-593f27

210,8 tok/s

NVIDIA GeForce RTX 5070 Tirun-20260728-140955-5403ae

159,0 tok/s

3× AMD Radeon AI PRO R9700run-20260723-040812-773cba

65,8 tok/s

Hardware

GPU: Intel Arc Pro B70 · 32 GB VRAM
CPU: AMD Ryzen 9 7945HX with Radeon Graphics
RAM: 29 GB
Mainboard: Shenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series)

Setup

Runtime: llama.cpp
Quantisierung: Q4_K_M
Modell: Magistral-Small-2509

Konfiguration

benchmark-konfiguration — run-20260805-053406-afe666

# LLM-Benchmark Konfiguration # Modell : Magistral-Small-2509 # Engine : llama.cpp # Run-ID : run-20260805-053406-afe666 # GPU : Intel Arc Pro B70 # CPU : AMD Ryzen 9 7945HX with Radeon Graphics # RAM : 29 GB bench@llm-benchmark:~$ /root/llama.cpp/build/bin/llama-server \ -m /root/.cache/huggingface/hub/models--mistralai--Magistral-Small-2509-GGUF/snapshots/429b90d8a8f0037241db6fab46a20b0f90859b03/Magistral-Small-2509-Q4_K_M.gguf \ --alias Magistral-Small-2509 \ --host 0.0.0.0 \ --port 8000 \ -ngl 0 \ -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.	Magistral-Small-2509
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.	/root/.cache/huggingface/hub/models--mistralai--Magistral-Small-2509-GGUF/snapshots/429b90d8a8f0037241db6fab46a20b0f90859b03/Magistral-Small-2509-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.	0
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	16384
np	4

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Magistral-Small-2509 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 GeForce RTX 5090 737,0 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 726,9 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 637,2 tok/sNVIDIA GeForce RTX 3090 Ti 353,8 tok/sAMD Radeon AI PRO R9700 230,0 tok/sNVIDIA GeForce RTX 5070 Ti 159,0 tok/s★ Intel Arc Pro B70 37,9 tok/s dieser LaufAMD Radeon 8060S Graphics 37,6 tok/s

CPUnach Prozessor

AMD Ryzen 7 5800X3D 8-Core Processor 737,0 tok/sAMD Ryzen 9 9950X 16-Core Processor 726,9 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 637,2 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 353,8 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 230,0 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 159,0 tok/s★ AMD Ryzen 9 7945HX with Radeon Graphics 37,9 tok/s dieser LaufAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 37,6 tok/s

MBnach Mainboard

ASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 737,0 tok/sASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 726,9 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 637,2 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 353,8 tok/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 159,0 tok/s★ Shenzhen Meigao Electronic Equipment Co.,Ltd DRFXI (MotherBoard Series) 37,9 tok/s dieser LaufBosgame AXB35-02 (BeyondMax Series) 37,6 tok/s

ENGnach Engine

★ llama.cpp 737,0 tok/s dieser LaufvLLM 726,9 tok/s

DRVnach Treiber

unbekannt 737,0 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 übernehmen Zurücksetzen

⚡ Strompreis EUR/kWh

⚙️ System-Auslastung 100 %

🖥️ Anschaffung EUR

🔌 Idle 0 W

⚡ TDP 230 W

☁️ Externes LLM (API) anzeigen

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

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)230 W geschätzt (TDP)GPU 230 W Volllast

Ø-Kosten / Stunde0,069 EUR

Strom / 1 Mio. Token0,51 EUR

Token / kWh593,84 Tsd.

Anschaffung (System)120 EUR fehltNetzteil 120 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)1.329 EUR

Output-Token (2 Jahre)2,39 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 (0 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

	Magistral-Small-2509Intel Arc Pro B70	Magistral-Small-2509NVIDIA GeForce RTX 5090	Magistral-Small-2509NVIDIA RTX PRO 6000 Blackwell Workstation Edition	Magistral-Small-2509NVIDIA 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)	–	–	–	–

Intel Arc Pro B70 · dieser Lauf 38 tok/s NVIDIA GeForce RTX 5090 737 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 727 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 725 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.