# LLM-Benchmark Konfiguration # Modell : Qwen2.5-Coder-32B-Instruct # Engine : vLLM # Run-ID : run-20260927-023029-76da43 # GPU : 2x AMD Radeon RX 7900 XTX # CPU : AMD Ryzen Threadripper PRO 3955WX 16-Cores # RAM : 63 GB bench@llm-benchmark:~$ vllm serve Qwen/Qwen2.5-Coder-32B-Instruct-AWQ \ --served-model-name Qwen2.5-Coder-32B-Instruct \ --tensor-parallel-size 2 \ --max-model-len 8192 \ --quantization awq '(2x' RX 7900 XTX ROCm, 'vLLM)'

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.	Qwen2.5-Coder-32B-Instruct
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	8192
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.	Qwen2.5-Coder-32B-Instruct
Tensor-Parallel?Anzahl GPUs, auf die JEDER einzelne Modell-Layer aufgeteilt wird (Tensor-Parallelitaet). Mehr GPUs = mehr VRAM und meist mehr Speed, aber die Anzahl der Attention-Heads muss durch diesen Wert teilbar sein (z.B. 32 Heads -> nur 1, 2, 4, 8 ... moeglich, NICHT 3).	2
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	8192
Quantisierung?Quantisierungsverfahren der Gewichte (z.B. awq, gptq, fp8, bitsandbytes). Verkleinert das Modell und spart VRAM, kann die Genauigkeit leicht senken. Leer = keine zusaetzliche Quantisierung.	awq

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Qwen2.5-Coder-32B-Instruct 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 500,6 tok/sNVIDIA GeForce RTX 5090 479,6 tok/sNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 412,8 tok/sNVIDIA RTX A6000 362,6 tok/sNVIDIA GeForce RTX 3090 Ti 236,4 tok/s★ AMD Radeon RX 7900 XTX 178,5 tok/s dieser LaufAMD Radeon AI PRO R9700 115,0 tok/sAMD Radeon PRO W7900 Dual Slot 102,1 tok/sAMD Radeon PRO W7800 48GB 69,8 tok/sNVIDIA GeForce RTX 5070 Ti 45,3 tok/sNVIDIA GeForce RTX 2060 2,3 tok/s

CPUnach Prozessor

AMD Ryzen 9 9950X 16-Core Processor 500,6 tok/sAMD Ryzen 7 5800X3D 8-Core Processor 479,6 tok/sAMD Ryzen Threadripper PRO 9965WX 24-Cores 412,8 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 362,6 tok/sAMD Ryzen 9 8945HX with Radeon Graphics 236,4 tok/s★ AMD Ryzen Threadripper PRO 3955WX 16-Cores 178,5 tok/s dieser LaufAMD Ryzen 3 3100 4-Core Processor 115,0 tok/sAMD Ryzen Threadripper PRO 5975WX 32-Cores 102,1 tok/sIntel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 2,3 tok/s

MBnach Mainboard

ASUSTeK COMPUTER INC. ProArt X870E-CREATOR WIFI 500,6 tok/sASUSTeK COMPUTER INC. ROG STRIX B550-A GAMING 479,6 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 412,8 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 236,4 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 178,5 tok/s dieser LaufASUSTeK COMPUTER INC. ROG STRIX X570-F GAMING 115,0 tok/sDell Inc. PowerEdge R820 2,3 tok/s

ENGnach Engine

★ vLLM 500,6 tok/s dieser Laufllama.cpp 479,6 tok/sunbekannt 21,2 tok/s

DRVnach Treiber

unbekannt 500,6 tok/sAMD 7.0.0-27-generic 21,2 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 10 W

⚡ TDP 720 W

☁️ Externes LLM (API) anzeigen

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

Strompreis0,30 EUR/kWh

Ø-Leistung (inkl. Idle)720 W geschätzt (TDP)GPU 710 + Board 10 W Volllast

Ø-Kosten / Stunde0,22 EUR

Strom / 1 Mio. Token2,84 EUR

Token / kWh105,45 Tsd.

Anschaffung (System)2.782 EUR TeilpreisGPU 2.098 EUR · RAM 504 EUR · Netzteil 180 EUR

Stromkosten (2 Jahre)–

TCO (2 Jahre)6.566 EUR

Output-Token (2 Jahre)1,33 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

	Qwen2.5-Coder-32B-Instruct2x AMD Radeon RX 7900 XTX	Qwen2.5-Coder-32B-InstructNVIDIA RTX PRO 6000 Blackwell Workstation Edition	Qwen2.5-Coder-32B-InstructNVIDIA GeForce RTX 5090	Qwen2.5-Coder-32B-InstructNVIDIA 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)	–	–	–	–

2× AMD Radeon RX 7900 XTX · dieser Lauf 21 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 70 tok/s NVIDIA GeForce RTX 5090 69 tok/s NVIDIA RTX PRO 6000 Blackwell Workstation Edition 68 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.