Contributed byMario AlkaMistral AI Mistral-Small-3.1-24B-Instruct-2503
Performance benchmark · measured on 29.08.2026 11:15
run-20260829-092215-24c8f3Performance benchmark · Primary metric: Generation-Speed (tok/s) · 1× concurrent
Wie schlägt sich dieser Benchmark mit anderen Modellen?
How does this benchmark compare on other GPUs?
Same model on different hardware · 1× concurrent · Generation (tok/s)
Hardware
GPU: AMD Radeon PRO W7800 48GB · 48 GB VRAM
CPU: AMD Ryzen Threadripper PRO 5975WX 32-Cores
RAM: 62 GB
Mainboard: ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI
Setup
Runtime: llama.cpp
Quantization: Q8_0
Model: Mistral-Small-3.1-24B-Instruct-2503
Configuration
| 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 |
| Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann. | 32768 |
| Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird. | mistralai_Mistral-Small-3.1-24B-Instruct-2503-Q8_0.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. | 32768 |
| np | 8 |
Mistral-Small-3.1-24B-Instruct-2503 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
CPUby processor
MBby mainboard
DRVby driver
Economics of this run
Operating cost, TCO and comparison with the next-best runs of the same model at identical concurrency (1× concurrent). Methodology →
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 (10 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
| Mistral-Small-3.1-24B-Instruct-2503AMD Radeon PRO W7800 48GB | Mistral-Small-3.1-24B-Instruct-2503AMD Radeon PRO W7900 Dual Slot | Mistral-Small-3.1-24B-Instruct-25032x NVIDIA RTX A6000 | Mistral-Small-3.1-24B-Instruct-25032x AMD Radeon PRO W7900 Dual Slot | |
|---|---|---|---|---|
| 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) | – | – | – | – |
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.
Mario Alka Administrator
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.