Beigesteuert vonMario AlkaQwen (Alibaba) Qwen2.5-Coder-32B-Instruct
Performancebenchmark · gemessen am 07.10.2026 22:16
Benchmark-ID
run-20261008-105916-c38e40Timebench 3 - Kombi (Prefill + Generation)Dense32BRuntime: llama.cppQuantisierung: Q4_K_M
ℹ
Öffentliche Anmerkung: Dell PowerEdge R820 . 2x AMD Radeon RX 7900 XTX (48 GB VRAM gesamt, ROCm/HIP) . RAM: 32x 16 GB SK Hynix DDR3-1600 ECC RDIMM (HMT42GR7AFR4A-PB) = 512 GB @ 1600 MT/s
Generation113,94tok/s
Prefill2.974,30tok/s
Time to First Token11.661,50ms
Gesamtdauer204,42s
Concurrency10parallel
Einordnung im Feld
1063von 1427 Systemen
Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 10× parallel
Dieser Lauf ist besser als 26 % aller vergleichbaren Systeme.
Generation
113,9 tok/s
-73 % vs Ø 425,3
Prefill
2.974,3 tok/s
-55 % vs Ø 6.659,3
Time to First Token
11.662 ms
-75 % vs Ø 45.848
Verteilung im Feld0 – 2.491 tok/s
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
Nemotron-3.5-Lightning-30B-A3BNVIDIA GeForce RTX 3090 Ti · run-20261021-093815-dce558
2.263,7 tok/s
Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181607-4cca42
2.182,7 tok/s
gemma-4-E2B-it3× 3x 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
Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-0aed86
1.937,7 tok/s
Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-8db0fa
1.911,6 tok/s
Nemotron-3-Nano-4B3× 3x 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
Nemotron-3-Nano-4BNVIDIA GeForce RTX 5090 · run-20260728-194135-2ed9dd
1.878,7 tok/s
gpt-oss-20b3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-034052-26063b
1.835,7 tok/s
Nemotron-3-Nano-4B3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-194136-a77046
1.830,3 tok/s
Qwen2.5-Coder-32B-Instruct dieser Lauf2× 2x AMD Radeon RX 7900 XTX · run-20261008-105916-c38e40
113,9 tok/s
Wie schlägt sich dieser Benchmark mit anderen GPUs?
Dasselbe Modell auf anderer Hardware · 10× parallel · Generation (tok/s)
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260724-082952-8a6d15
500,6 tok/s
NVIDIA GeForce RTX 5090run-20260730-181639-c4cb51
479,6 tok/s
NVIDIA RTX PRO 6000 Blackwell Workstation Editionrun-20260729-032127-d3e236
476,9 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260730-181642-339ed6
412,8 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260730-181642-f5d077
404,4 tok/s
2× NVIDIA RTX A6000run-20260829-131336-fbea10
362,6 tok/s
3× NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionrun-20260730-181641-16e8fc
342,0 tok/s
2× NVIDIA RTX A6000run-20260827-094104-63e953
332,3 tok/s
2× NVIDIA RTX A6000run-20260829-220130-aa141c
262,6 tok/s
2× NVIDIA RTX A6000run-20260827-161406-001d60
246,1 tok/s
NVIDIA GeForce RTX 3090 Tirun-20260729-105335-d6f532
236,4 tok/s
NVIDIA RTX A6000run-20260826-215015-5dfd6e
191,9 tok/s
2× AMD Radeon RX 7900 XTXrun-20260927-023029-3dbe4d
178,5 tok/s
2× NVIDIA RTX A6000run-20260829-230743-a236b2
136,5 tok/s
Hardware
GPU: 2x AMD Radeon RX 7900 XTX · 24 GB VRAM
CPU: 4x Intel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz
RAM: 504 GB
Mainboard: Dell Inc. PowerEdge R820
Setup
Runtime: llama.cpp
Quantisierung: Q4_K_M
Modell: Qwen2.5-Coder-32B-Instruct
Konfiguration
# LLM-Benchmark Konfiguration
# Modell : Qwen2.5-Coder-32B-Instruct
# Engine : llama.cpp
# Run-ID : run-20261008-105916-c38e40
# GPU : 2x AMD Radeon RX 7900 XTX
# CPU : 4x Intel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz
# RAM : 504 GB
bench@llm-benchmark:~$ llama-server \
-m qwen2.5-coder-32b-instruct-q4_k_m.gguf \
--alias Qwen2.5-Coder-32B-Instruct \
-ngl 999 \
-sm layer \
-fa on \
-c 40960 \
-np 10 '(2x' RX 7900 XTX 'ROCm/HIP)'
| 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. | Qwen2.5-Coder-32B-Instruct |
| Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann. | 40960 |
| Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird. | qwen2.5-coder-32b-instruct-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 |
| Split-Mode?Verteilung ueber mehrere GPUs: none (nur eine GPU), layer (Layer aufteilen) oder row (Tensoren zeilenweise). | layer |
| fa | on |
| Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells. | 40960 |
| np | 10 |
| execution_type | local |
Anzeige
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/sAMD Ryzen Threadripper PRO 3955WX 16-Cores 178,5 tok/sAMD Ryzen 3 3100 4-Core Processor 115,0 tok/s★ Intel(R) Xeon(R) CPU E5-4657L v2 @ 2.40GHz 113,9 tok/s dieser LaufAMD Ryzen Threadripper PRO 5975WX 32-Cores 102,1 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/sASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 178,5 tok/sASUSTeK COMPUTER INC. ROG STRIX X570-F GAMING 115,0 tok/s★ Dell Inc. PowerEdge R820 113,9 tok/s dieser Lauf
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 (10× parallel). Methodik →
⚙️ KonfigurationAlle Kennzahlen und Diagramme unten folgen diesen Einstellungen – bezogen auf 24 Monate Laufzeit.In URL übernehmenZurücksetzen
⚡ Strompreis
EUR/kWh
⚙️ System-Auslastung
100 %
🖥️ Anschaffung
EUR
🔌 Idle
35 W
⚡ TDP
749 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)749 W geschätzt (TDP)GPU 710 + CPU 29 + Board 10 W Volllast
Ø-Kosten / Stunde0,22 EUR
Strom / 1 Mio. Token0,55 EUR
Token / kWh547,83 Tsd.
Anschaffung (System)4.353 EUR TeilpreisGPU 2.098 EUR · CPU 59 EUR · RAM 2.016 EUR · Netzteil 180 EUR
Stromkosten (2 Jahre)–
TCO (2 Jahre)8.288 EUR
Output-Token (2 Jahre)7,19 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 (35 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 114 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 501 tok/sNVIDIA GeForce RTX 5090 480 tok/sNVIDIA RTX PRO 6000 Blackwell Workstation Edition 477 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.