# LLM-Benchmark Konfiguration # Modell : Devstral-Small-2507 # Engine : llama.cpp # Run-ID : run-20260817-150144-05720f # GPU : AMD Radeon PRO W7900 Dual Slot # CPU : AMD Ryzen Threadripper PRO 5975WX 32-Cores # RAM : 247 GB bench@llm-benchmark:~$ /home/godcore/llama.cpp/build_hip/bin/llama-server \ -m /home/godcore/.cache/huggingface/hub/models--unsloth--Devstral-Small-2507-GGUF/snapshots/8d0c7eb7bf0142cc3b94c88450eddcc7720e4488/Devstral-Small-2507-Q4_K_M.gguf \ --alias Devstral-Small-2507 \ -ngl 999 \ -fa on \ -c 49152 \ -np 12 \ --jinja \ --host 0.0.0.0 \ --port 8000

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.	49152
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.	/home/godcore/.cache/huggingface/hub/models--unsloth--Devstral-Small-2507-GGUF/snapshots/8d0c7eb7bf0142cc3b94c88450eddcc7720e4488/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.	999
fa	on
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	49152
np	12

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

NVIDIA RTX PRO 6000 Blackwell Workstation Edition 647,6 tok/sNVIDIA GeForce RTX 5090 625,1 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 572,2 tok/sNVIDIA GeForce RTX 3090 Ti 317,4 tok/sAMD Radeon AI PRO R9700 205,8 tok/s★ AMD Radeon PRO W7900 Dual Slot 137,5 tok/s dieser LaufNVIDIA GeForce RTX 5070 Ti 103,9 tok/sNVIDIA Tesla P100 PCIe 16GB 23,2 tok/s

CPUnach Prozessor

AMD Ryzen 9 9950X 16-Core Processor 647,6 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 625,1 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 572,2 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 317,4 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 205,8 tok/s★ AMD Ryzen Threadripper PRO 5975WX 32-Cores 137,5 tok/s dieser LaufAMD Ryzen 5 5600X 6-Core Processor 57,1 tok/sAMD Ryzen 9 7945HX with Radeon Graphics 23,2 tok/s

MBnach Mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 647,6 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 625,1 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 572,2 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 317,4 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 137,5 tok/s dieser LaufASUSTeK COMPUTER INC. PRIME A520M-K 57,1 tok/sShenzhen Meigao Electronic Equipment Co.,Ltd F1FXM (DeskMini Series) 23,2 tok/s

ENGnach Engine

★ llama.cpp 647,6 tok/s dieser Laufunbekannt 57,1 tok/s

DRVnach Treiber

unbekannt 647,6 tok/sAMD 7.0.0-27-generic 31,4 tok/s

💰 Economics

Wirtschaftlichkeit dieses Laufs

Betriebskosten, TCO und Vergleich mit den nächstbesten Läufen desselben Modells bei identischer Concurrency (5× 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 10 W

⚡ TDP 305 W

☁️ Externes LLM (API) anzeigen

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

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)305 W geschätzt (TDP)GPU 295 + Board 10 W Volllast

Ø-Kosten / Stunde0,092 EUR

Strom / 1 Mio. Token0,35 EUR

Token / kWh867,90 Tsd.

Anschaffung (System)2.126 EUR fehltRAM 1.976 EUR · Netzteil 150 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)3.729 EUR

Output-Token (2 Jahre)4,64 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 (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

Vergleich zur API – Wirtschaftlichkeit je Benchmark

	Devstral-Small-2507AMD Radeon PRO W7900 Dual Slot	Devstral-Small-2507NVIDIA RTX PRO 6000 Blackwell Workstation Edition	Devstral-Small-2507NVIDIA GeForce RTX 5090	Devstral-Small-25073x NVIDIA RTX PRO 6000 Blackwell Max-Q 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)	–	–	–	–

AMD Radeon PRO W7900 Dual Slot · dieser Lauf 74 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 351 tok/s NVIDIA GeForce RTX 5090 345 tok/s 3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 308 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.