llama-batched-bench, 4x AMD Radeon AI PRO R9700 [4 verbaut, 4 genutzt], voll GPU (kein RAM-Offload), GPU-Nutzung verifiziert, npl=1 (pp512/tg128), ngl=99

Configuration

benchmark-konfiguration — run-20260813-073605-793dd1

# LLM-Benchmark Konfiguration # Modell : Devstral-2-123B-Instruct-2512 # Engine : llama.cpp # Run-ID : run-20260813-073605-793dd1 # GPU : 4x AMD Radeon AI PRO R9700 # CPU : AMD Ryzen Threadripper PRO 7955WX 16-Cores # RAM : 184 GB bench@llm-benchmark:~$ llama-batched-bench (llama.cpp ROCm) \ --model /home/godcore/.cache/huggingface/hub/models--lmstudio-community--Devstral-2-123B-Instruct-2512-GGUF/snapshots/330d61a4b7ed244a64a6bc3f7e98b250c3264546/Devstral-2-123B-Instruct-2512-Q4_K_M-00001-of-00002.gguf \ -ngl 99 \ -c 8192 \ -b 2048 \ -ub 512 \ -npp 512 \ -ntg 128 \ -npl 1 \ HIP_VISIBLE_DEVICES 0,1,2,3

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.	llama-batched-bench (llama.cpp ROCm)
Modellalias?Der Name, unter dem das Modell ueber die API angesprochen wird. Genau dieser Wert muss im Request-Feld 'model' stehen.	Devstral-2-123B-Instruct-2512
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	8192
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.	/home/godcore/.cache/huggingface/hub/models--lmstudio-community--Devstral-2-123B-Instruct-2512-GGUF/snapshots/330d61a4b7ed244a64a6bc3f7e98b250c3264546/Devstral-2-123B-Instruct-2512-Q4_K_M-00001-of-00002.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.	99
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	8192
Batch-Groesse?Logische Batchgroesse fuer die Prompt-Verarbeitung (Anzahl Token pro Prefill-Durchlauf).	2048
Micro-Batch?Physische Micro-Batchgroesse. Begrenzt, wie viele Token gleichzeitig durch die Compute-Pipeline laufen.	512
npp	512
ntg	128
npl	1
HIP_VISIBLE_DEVICES	0,1,2,3

All benchmarks of this model To leaderboard

Model comparison

Devstral-2-123B-Instruct-2512 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 Workstation Edition 143,1 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 123,5 tok/s★ AMD Radeon AI PRO R9700 50,0 tok/s this runNVIDIA GeForce RTX 5070 Ti 4,5 tok/sNVIDIA GeForce RTX 3090 Ti 2,9 tok/sNVIDIA GeForce RTX 5090 2,1 tok/s

CPUby processor

AMD Ryzen 9 9950X 16-Core Processor 143,1 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 123,5 tok/s★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 50,0 tok/s this runAMD Ryzen Threadripper PRO 5975WX 32-Cores 4,5 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 2,9 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 2,1 tok/s

MBby mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 143,1 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 123,5 tok/s this runASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 4,5 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 2,9 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 2,1 tok/s

ENGby engine

★ llama.cpp 143,1 tok/s this rununbekannt 6,5 tok/s

DRVby driver

unbekannt 143,1 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 4.30

Token / kWh69.77K

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)453.49M

☁️ 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

	Devstral-2-123B-Instruct-2512AMD Radeon AI PRO R9700	Devstral-2-123B-Instruct-2512NVIDIA RTX PRO 6000 Blackwell Workstation Edition	Devstral-2-123B-Instruct-25123x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition	Devstral-2-123B-Instruct-25123x 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 NVIDIA RTX PRO 6000 Blackwell Workstation Edition 20 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 19 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 19 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.