Created bymario-alka.dePowered bygodcore.denoob2claw.detricoma.de
DEEN
Sign in Sign up
Beta
Contributed byMario AlkaQwen (Alibaba)

Qwen2.5-0.5B-Instruct

Performance benchmark · measured on 08.10.2026 01:34

Benchmark-IDrun-20261019-173616-347dcc
Timebench 3 - Kombi (Prefill + Generation)DenseRuntime: llama.cppQuantisierung: Q4_K_M
ℹ
Public note: Arduino Q (ventunoq) . ARM RK3588 8-Core (4x Cortex-A78C + 4x Cortex-A55) . 14 GB RAM . llama.cpp CPU (Edge-Geraet)
Generation11,74tok/s
Prefill84,55tok/s
Time to First Token29.146,00ms
Total duration163,32s
Concurrency1parallel
Ranking in the field
This GPUAll GPUs
3of 35 systems

Performance benchmark · Primary metric: Generation-Speed (tok/s) · 1× concurrent

This run is better than 94 % of all comparable systems.
Generation 11,7 tok/s
+129 % vs Ø 5,1
Prefill 84,6 tok/s
+62 % vs Ø 52,0
Time to First Token 29.146 ms
-68 % vs Ø 92.362
Distribution in the field1 – 28 tok/s
Ø 5 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

Hardware

GPU: Keine GPU (CPU-only)
CPU: 4 x Cortex-A78C + 4 x Cortex-A55
RAM: 15 GB

Setup

Runtime: llama.cpp
Quantization: Q4_K_M
Model: Qwen2.5-0.5B-Instruct

Configuration

benchmark-konfiguration — run-20261019-173616-347dcc
# LLM-Benchmark Konfiguration # Modell : Qwen2.5-0.5B-Instruct # Engine : llama.cpp # Run-ID : run-20261019-173616-347dcc # GPU : Keine GPU (CPU-only) # CPU : 4 x Cortex-A78C + 4 x Cortex-A55 # RAM : 15 GB bench@llm-benchmark:~$ llama-server \ -m qwen2.5-0.5b-instruct-q4_k_m.gguf \ --alias Qwen2.5-0.5B-Instruct \ -ngl 0 \ -t 8 \ -c 40960 \ -np 10 '(ARM' RK3588 'CPU)'
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.Qwen2.5-0.5B-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.qwen2.5-0.5b-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.0
Threads?Anzahl CPU-Threads fuer die Token-Generierung (Decode).8
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.40960
np10
execution_typelocal

All benchmarks of this model To leaderboard

Anzeige
Model comparison

Qwen2.5-0.5B-Instruct 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

21,620,619,618,717,7122127133138Prefill (tok/s)Generation (tok/s)CPU-only - 19,6 tok/s Generation, 130 tok/s Prefill, TTFT 103.850 ms (3 Laufe) | DIESER LAUF★ CPU-only
★ CPU-only 19,6 tok/s this run

CPUby processor

21,620,619,618,717,7122127133138Prefill (tok/s)Generation (tok/s)4 x Cortex-A78C + 4 x Cortex-A55 - 19,6 tok/s Generation, 130 tok/s Prefill, TTFT 103.850 ms (3 Laufe) | DIESER LAUF★ 4 x Cortex-A78C + 4 x...
★ 4 x Cortex-A78C + 4 x Cortex-A55 19,6 tok/s this run

MBby mainboard

21,620,619,618,717,7122127133138Prefill (tok/s)Generation (tok/s)unbekannt - 19,6 tok/s Generation, 130 tok/s Prefill, TTFT 103.850 ms (3 Laufe)unbekannt
unbekannt 19,6 tok/s

ENGby engine

21,620,619,618,717,7122127133138Prefill (tok/s)Generation (tok/s)llama.cpp - 19,6 tok/s Generation, 130 tok/s Prefill, TTFT 103.850 ms (3 Laufe) | DIESER LAUF★ llama.cpp
★ llama.cpp 19,6 tok/s this run

DRVby driver

21,620,619,618,717,7122127133138Prefill (tok/s)Generation (tok/s)unbekannt - 19,6 tok/s Generation, 130 tok/s Prefill, TTFT 103.850 ms (3 Laufe)unbekannt
unbekannt 19,6 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 URLReset
⚡ Electricity price EUR/kWh
⚙️ System utilization 100 %
🔌 Idle 0 W
⚡ TDP 10 W
☁️ External LLM (API)
Electricity0.30 EUR/kWh
Avg power (incl. idle)0 W missing
Avg cost / hour–
Electricity / 1M tokens–
Token / kWh–
Acquisition (system)– partial price
Electricity (2 years)–
TCO (2 years)–
Output tokens (2 years)740.47M
☁️ External LLM (API) – comparison
External LLM cost (2 years)–
Savings vs. external (2 years)–
No power draw measured – values estimated from GPU TDP + CPU (idle + 15 %) + board.

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 (0 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

Qwen2.5-0.5B-InstructKeine GPU (CPU-only)
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)–
Keine GPU (CPU-only) · this run 12 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.