Created bymario-alka.dePowered bynoob2claw.detricoma.de
Beigesteuert vonMario AlkaMiniMax

minimax-m2.5-awq

Harnessbenchmark · gemessen am 15.07.2026 13:23

Benchmark-IDrun-20260722-161611-cfb2d1
Tool Usage Standard 1.0MoE230BRuntime: godclawQuantisierung: BF16
Punkte1.714,00von 2.980,00
Punktequote57,52%
Aufgaben bestanden16von 16
Gesamtdauer487,00s
Einordnung im Feld
22von 32 Systemen

Harnessbenchmark · Leitmetrik: Punktequote (%)

Dieser Lauf ist besser als 32 % aller vergleichbaren Systeme.
Punktequote 58 %
-22 % vs Ø 73,3
Aufgaben bestanden 16
-87 % vs Ø 124,4
Gesamtdauer 487,0 s
-57 % vs Ø 1.133,5
Verteilung im Feld37 – 100 %
Ø 73 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

Qwen3.8-Flash-Next2× 2x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20261023-180243-30647c
100 %
Kolibri-1NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20261008-165122-c5dea7
100 %
Qwen3.6-35B-A3B-AWQNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260929-153935-691df9
100 %
Qwen3.6-35B-A3B-AWQNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260929-091748-cbe456
100 %
Qwen3.8-27B-Uncensored2× 2x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260929-091747-e13da0
100 %
Open-Jev-27B-v1.1NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260929-091747-5d8477
100 %
Kolibri-1NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20261008-125923-3f1672
99 %
Qwen3.8-Flash-Next2× 2x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20261023-180239-3519b5
98 %
Qwen3.6-35B-A3B-AWQNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260929-112249-dba0f2
97 %
Qwen3.8-Flash-Next2× 2x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20261023-180239-2b7b40
96 %
Kolibri-1NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20261008-125923-43651d
93 %
Kolibri-1NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20261008-125923-5b5304
91 %
Gemma-4-26B-A4B-itNVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260722-161611-05d866
91 %
minimax-m2.5-awq gleiches Modell3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260722-161611-f6cfe1
81 %
minimax-m2.5-awq dieser Lauf3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260722-161611-cfb2d1
58 %

Hardware

GPU: 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · 96 GB VRAM
CPU: AMD Ryzen Threadripper PRO 9965WX 24-Cores
RAM: 125 GB
Mainboard: ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE

Setup

Runtime: godclaw
Quantisierung: BF16
Modell: minimax-m2.5-awq

Aufgaben (16)

AufgabeStatusPunkteDauer
Antwortzeit Testbestanden5 / 5016,00 s
Format Testbestanden39 / 8017,00 s
Dateisystem Setupbestanden96 / 12010,00 s
Daten Generierungbestanden105 / 15020,00 s
Parsing + Transformationbestanden146 / 20027,00 s
Fehlerbehandlung JSONbestanden123 / 15012,00 s
Python Tool Usagebestanden121 / 22045,00 s
PHP Tool Usagebestanden92 / 22058,00 s
Export + Reimportbestanden175 / 24036,00 s
Archivierungbestanden123 / 18021,00 s
Hash Berechnungbestanden42 / 20066,00 s
Textsuchebestanden121 / 18022,00 s
Idempotenz Testbestanden150 / 22032,00 s
Rechte Problembestanden156 / 22029,00 s
Final JSONbestanden190 / 25024,00 s
Finale Ausgabebestanden30 / 30052,00 s

Konfiguration

benchmark-konfiguration — run-20260722-161611-cfb2d1
# LLM-Benchmark Konfiguration # Modell : minimax-m2.5-awq # Engine : vLLM # Run-ID : run-20260722-161611-cfb2d1 # GPU : 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition # CPU : AMD Ryzen Threadripper PRO 9965WX 24-Cores # RAM : 125 GB bench@llm-benchmark:~$ /usr/bin/python3 /usr/local/bin/vllm serve \ --model mratsim/MiniMax-M2.5-BF16-INT4-AWQ \ --served-model-name MiniMax-M2.5 \ --tensor-parallel-size 1 \ --pipeline-parallel-size 3 \ --max-model-len 164000 \ --gpu-memory-utilization 0.90 \ --load-format safetensors \ --trust-remote-code \ --enforce-eager \ --disable-custom-all-reduce \ --enable-auto-tool-choice \ --tool-call-parser minimax_m2 \ --reasoning-parser minimax_m2_append_think
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.MiniMax-M2.5
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.164000
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.mratsim/MiniMax-M2.5-BF16-INT4-AWQ
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.MiniMax-M2.5
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).1
Pipeline-Parallel?Anzahl GPUs, auf die die Modell-Layer der Reihe nach (als Pipeline) verteilt werden. Nutzt mehrere GPUs OHNE Teilbarkeits-Anforderung der Heads; erhoeht vor allem Kapazitaet und Durchsatz, die Latenz einer einzelnen Anfrage aber nicht zwingend.3
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.164000
GPU-Speicher?Anteil des GPU-Speichers (0 bis 1), den vLLM belegen darf. 0.92 = 92 %. Hoeher = mehr Platz fuer den KV-Cache (mehr/laengere parallele Anfragen), aber groesseres Risiko fuer 'Out of Memory'.0.90
Load-Format?Format, aus dem die Gewichte geladen werden (auto, safetensors, pt ...). 'auto' erkennt es selbst.safetensors
Trust-Remote-Code?Erlaubt vLLM, mit dem Modell mitgelieferten Python-Code auszufuehren. Noetig fuer Architekturen, die vLLM nicht von Haus aus kennt. Nur bei vertrauenswuerdigen Modellen aktivieren.aktiv
Enforce-Eager?Schaltet die optimierte Graph-Ausfuehrung (CUDA-/HIP-Graphs) AB und rechnet Schritt fuer Schritt. Startet schneller und spart etwas VRAM, ist im laufenden Betrieb aber meist langsamer als mit Graphs.aktiv
Custom-AllReduce aus?Deaktiviert den custom All-Reduce-Kernel bei Multi-GPU und faellt auf NCCL zurueck. Hilft bei Stabilitaetsproblemen mit Tensor-Parallelismus.aktiv
Auto-Tool-Choice?Erlaubt dem Modell, Tools (Function-Calling) selbststaendig auszuwaehlen. MUSS aktiv sein, damit 'tools' im Request akzeptiert werden - sonst lehnt vLLM sie mit HTTP 400 ab.aktiv
Tool-Parser?Bestimmt, wie vLLM Tool-Aufrufe aus der Modellantwort ausliest (z.B. hermes, mistral, llama3_json). Muss zum Modell passen.minimax_m2
Reasoning-Parser?Trennt den Denk-/Reasoning-Teil der Antwort vom eigentlichen Inhalt (z.B. bei Modellen mit <think>-Bloecken).minimax_m2_append_think

Alle Benchmarks dieses Modells Zum Leaderboard

Anzeige
Modell-Vergleich

minimax-m2.5-awq 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

12510484,163,943,602.0014.0036.004Prefill (tok/s)Generation (tok/s)NVIDIA DGX SPARK (GB10) - 105,6 tok/s Generation, 4.881 tok/s Prefill, TTFT 3.013 ms (3 Laufe)NVIDIA DGX SPARK (GB1...AMD Radeon AI PRO R9700 - 66,1 tok/s Generation, 270 tok/s Prefill, TTFT 21.132 ms (5 Laufe)AMD Radeon AI PRO R97...NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition - 62,7 tok/s Generation, 368 tok/s Prefill, TTFT 144 ms (2 Laufe) | DIESER LAUF★ NVIDIA RTX PRO 6000 B...
NVIDIA DGX SPARK (GB10) 105,6 tok/sAMD Radeon AI PRO R9700 66,1 tok/s★ NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition 62,7 tok/s dieser Lauf

CPUnach Prozessor

12510484,163,943,602.0014.0036.004Prefill (tok/s)Generation (tok/s)NVIDIA Grace - 105,6 tok/s Generation, 4.881 tok/s Prefill, TTFT 3.013 ms (3 Laufe)NVIDIA GraceAMD Ryzen Threadripper PRO 7955WX 16-Cores - 66,1 tok/s Generation, 270 tok/s Prefill, TTFT 21.132 ms (5 Laufe)AMD Ryzen Threadrippe...AMD Ryzen Threadripper PRO 9965WX 24-Cores - 62,7 tok/s Generation, 368 tok/s Prefill, TTFT 144 ms (2 Laufe) | DIESER LAUF★ AMD Ryzen Threadrippe...
NVIDIA Grace 105,6 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 66,1 tok/s★ AMD Ryzen Threadripper PRO 9965WX 24-Cores 62,7 tok/s dieser Lauf

MBnach Mainboard

12510484,163,943,602.0004.0016.001Prefill (tok/s)Generation (tok/s)ASUSTeK COMPUTER INC. GX10 - 105,6 tok/s Generation, 4.881 tok/s Prefill, TTFT 3.013 ms (3 Laufe)ASUSTeK COMPUTER INC....unbekannt - 62,7 tok/s Generation, 368 tok/s Prefill, TTFT 144 ms (1 Lauf)unbekanntASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE - 66,1 tok/s Generation, 286 tok/s Prefill, TTFT 16.934 ms (6 Laufe) | DIESER LAUF★ ASUSTeK COMPUTER INC....
ASUSTeK COMPUTER INC. GX10 105,6 tok/s★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 66,1 tok/s dieser Laufunbekannt 62,7 tok/s

ENGnach Engine

12510484,163,943,601.0642.1273.191Prefill (tok/s)Generation (tok/s)llama.cpp - 66,1 tok/s Generation, 294 tok/s Prefill, TTFT 21.346 ms (2 Laufe)llama.cppunbekannt - 62,7 tok/s Generation, 244 tok/s Prefill, TTFT 10.745 ms (2 Laufe)unbekanntvLLM - 105,6 tok/s Generation, 2.609 tok/s Prefill, TTFT 8.503 ms (6 Laufe) | DIESER LAUF★ vLLM
★ vLLM 105,6 tok/s dieser Laufllama.cpp 66,1 tok/sunbekannt 62,7 tok/s

DRVnach Treiber

13610268,034,00,002.0104.0216.031Prefill (tok/s)Generation (tok/s)NVIDIA 590.48.01 / CUDA 13.1 - 105,6 tok/s Generation, 4.881 tok/s Prefill, TTFT 3.013 ms (3 Laufe)NVIDIA 590.48.01 / CU...unbekannt - 66,1 tok/s Generation, 320 tok/s Prefill, TTFT 15.831 ms (5 Laufe)unbekanntNVIDIA 580.159.04 / CUDA 13.0 - 62,7 tok/s Generation, 368 tok/s Prefill, TTFT 144 ms (1 Lauf)NVIDIA 580.159.04 / C...AMD 7.0.0-27-generic - 6,5 tok/s Generation, 119 tok/s Prefill, TTFT 21.346 ms (1 Lauf)AMD 7.0.0-27-generic
NVIDIA 590.48.01 / CUDA 13.1 105,6 tok/sunbekannt 66,1 tok/sNVIDIA 580.159.04 / CUDA 13.0 62,7 tok/sAMD 7.0.0-27-generic 6,5 tok/s
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.