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

MiniMax-M2.7-AWQ-4bit

Harnessbenchmark · gemessen am 19.07.2026 22:46

Benchmark-IDrun-20260722-165445-bc5ac0
Tool-Parcours Dossier 40 V1.0MoE230BRuntime: godclawQuantisierung: AWQ
⚠
Konfigurations-Hinweis: Dieser Lauf nutzte 2 Geräte im verteilten Betrieb (2× NVIDIA DGX SPARK (GB10), Tensor-/Pipeline-Parallel laut vLLM-Konfiguration). Kein Einzelgerät – Leistung & Anschaffung in der Wirtschaftlichkeit werden für alle 2 Geräte berechnet.
ℹ
Zur Einordnung: Diese Plattform nutzt Unified Memory – die "VRAM" ist gemeinsamer System-RAM (APU/Superchip); das Modell teilt sich den Speicher mit dem System.
Punkte3.641,00von 5.960,00
Punktequote61,09%
Aufgaben bestanden40von 40
Gesamtdauer8.209,00s
Einordnung im Feld
31von 56 Systemen

Harnessbenchmark · Leitmetrik: Punktequote (%)

Dieser Lauf ist besser als 45 % aller vergleichbaren Systeme.
Punktequote 61 %
-6 % vs Ø 64,9
Aufgaben bestanden 40
-54 % vs Ø 86,5
Gesamtdauer 8.209,0 s
+425 % vs Ø 1.562,5
Verteilung im Feld10 – 100 %
Ø 65 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 %
Jev-1.13.0Cloud/API: TypeSafe AI (Hardware unbekannt) · run-20260929-091917-060aae
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-M2.7-AWQ-4bit dieser LaufNVIDIA DGX SPARK (GB10) · run-20260722-165445-bc5ac0
61 %

Hardware

GPU: NVIDIA DGX SPARK (GB10) · 128 GB VRAM
CPU: NVIDIA Grace
RAM: 120 GB
Mainboard: ASUSTeK COMPUTER INC. GX10

Setup

Runtime: godclaw
Quantisierung: AWQ
Treiber: NVIDIA 590.48.01 / CUDA 13.1
Modell: MiniMax-M2.7-AWQ-4bit

Aufgaben (40)

AufgabeStatusPunkteDauer
Arbeitsstruktur anlegenbestanden5 / 507.208,00 s
Startdatei schreibenbestanden17 / 6016,00 s
Datei zuruecklesenbestanden38 / 504,00 s
CSV mit Testdatenbestanden56 / 8010,00 s
Struktur pruefenbestanden49 / 604,00 s
Recherche RAGbestanden125 / 15011,00 s
Recherche Herstellerbestanden19 / 12042,00 s
Recherche sichernbestanden58 / 10014,00 s
Webseite auswertenbestanden41 / 14047,00 s
Seite im Browser oeffnenbestanden160 / 18011,00 s
Modellvergleichbestanden20 / 200145,00 s
Quellenlistebestanden63 / 9010,00 s
Wissenskategorien sichtenbestanden70 / 10010,00 s
Wissenseintrag anlegenbestanden175 / 22017,00 s
Wissenseintrag pruefenbestanden101 / 1207,00 s
Wissenseintrag ergaenzenbestanden173 / 2009,00 s
Versionen zaehlenbestanden92 / 14017,00 s
Wissen durchsuchenbestanden104 / 13010,00 s
Firma erfassenbestanden69 / 18041,00 s
Person verknuepfenbestanden165 / 22021,00 s
Fakt hinterlegenbestanden16 / 16056,00 s
Entitaet suchenbestanden42 / 14035,00 s
Aufgabenliste anlegenbestanden98 / 13011,00 s
Aufgaben ergaenzenbestanden134 / 17014,00 s
Boards sichtenbestanden80 / 12015,00 s
Board-Aufgabe anlegenbestanden119 / 19025,00 s
CSV nach JSONbestanden121 / 18022,00 s
JSON validierenbestanden112 / 14010,00 s
Defektes JSON reparierenbestanden178 / 22016,00 s
Pruefsummenbestanden140 / 1607,00 s
Volltextsuchebestanden117 / 15011,00 s
Archiv packenbestanden157 / 1705,00 s
Bestandsaufnahmebestanden88 / 12012,00 s
Titelbild erzeugenbestanden25 / 250128,00 s
Bild pruefenbestanden117 / 1305,00 s
Merkenbestanden135 / 1505,00 s
Erinnernbestanden39 / 12030,00 s
Fachfrage delegierenbestanden25 / 23089,00 s
Gesamtberichtbestanden134 / 24044,00 s
Abschlussbestanden164 / 20015,00 s

Konfiguration

benchmark-konfiguration — run-20260722-165445-bc5ac0
# LLM-Benchmark Konfiguration # Modell : MiniMax-M2.7-AWQ-4bit # Engine : vLLM # Run-ID : run-20260722-165445-bc5ac0 # GPU : NVIDIA DGX SPARK (GB10) # CPU : NVIDIA Grace # RAM : 120 GB bench@llm-benchmark:~$ /usr/bin/python /usr/local/bin/vllm serve cyankiwi/MiniMax-M2.7-AWQ-4bit \ --host 0.0.0.0 \ --port 8000 \ --tensor-parallel-size 2 \ --distributed-executor-backend ray \ --gpu-memory-utilization 0.8 \ --max-model-len 196608 \ --max-num-seqs 4 \ --load-format fastsafetensors \ --tool-call-parser minimax_m2 \ --reasoning-parser minimax_m2 \ --enable-auto-tool-choice \ --kv-cache-dtype fp8_e4m3 \ --enable-prefix-caching \ --trust-remote-code \ --enforce-eager \ --served-model-name cyankiwi/MiniMax-M2.7-AWQ-4bit
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.cyankiwi/MiniMax-M2.7-AWQ-4bit
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.196608
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
Executor-Backend?Verfahren fuer Multi-GPU/Multi-Node: mp = Prozesse auf einer Maschine, ray = ueber Ray (auch ueber mehrere Knoten).ray
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'.0.8
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.196608
Max-Sequenzen?Maximale Anzahl gleichzeitig bearbeiteter Anfragen (Batch-Groesse). Hoeher = mehr Durchsatz, braucht aber mehr KV-Cache-Speicher.4
Load-Format?Format, aus dem die Gewichte geladen werden (auto, safetensors, pt ...). 'auto' erkennt es selbst.fastsafetensors
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
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
KV-Cache-Dtype?Datentyp des KV-Cache (auto, fp8). fp8 halbiert etwa den Cache-Speicher -> mehr und laengere parallele Anfragen bei minimalem Qualitaetsverlust.fp8_e4m3
Prefix-Caching?Speichert bereits berechnete Prompt-Anfaenge und verwendet sie wieder. Beschleunigt Anfragen mit gemeinsamem Praefix (z.B. gleicher System-Prompt) deutlich.aktiv
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
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.cyankiwi/MiniMax-M2.7-AWQ-4bit

Alle Benchmarks dieses Modells Zum Leaderboard

Anzeige
Modell-Vergleich

MiniMax-M2.7-AWQ-4bit 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

14110570,335,20,001.7693.5395.308Prefill (tok/s)Generation (tok/s)AMD Radeon AI PRO R9700 - 3,0 tok/s Generation, 139 tok/s Prefill, TTFT 15.493 ms (2 Laufe)AMD Radeon AI PRO R97...NVIDIA DGX SPARK (GB10) - 108,6 tok/s Generation, 4.301 tok/s Prefill, TTFT 3.711 ms (10 Laufe) | DIESER LAUF★ NVIDIA DGX SPARK (GB1...
★ NVIDIA DGX SPARK (GB10) 108,6 tok/s dieser LaufAMD Radeon AI PRO R9700 3,0 tok/s

CPUnach Prozessor

14110570,335,20,001.7693.5395.308Prefill (tok/s)Generation (tok/s)AMD Ryzen Threadripper PRO 7955WX 16-Cores - 3,0 tok/s Generation, 139 tok/s Prefill, TTFT 15.493 ms (2 Laufe)AMD Ryzen Threadrippe...NVIDIA Grace - 108,6 tok/s Generation, 4.301 tok/s Prefill, TTFT 3.711 ms (10 Laufe) | DIESER LAUF★ NVIDIA Grace
★ NVIDIA Grace 108,6 tok/s dieser LaufAMD Ryzen Threadripper PRO 7955WX 16-Cores 3,0 tok/s

MBnach Mainboard

14110570,335,20,001.7693.5395.308Prefill (tok/s)Generation (tok/s)ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE - 3,0 tok/s Generation, 139 tok/s Prefill, TTFT 15.493 ms (2 Laufe)ASUSTeK COMPUTER INC....ASUSTeK COMPUTER INC. GX10 - 108,6 tok/s Generation, 4.301 tok/s Prefill, TTFT 3.711 ms (10 Laufe) | DIESER LAUF★ ASUSTeK COMPUTER INC....
★ ASUSTeK COMPUTER INC. GX10 108,6 tok/s dieser LaufASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 3,0 tok/s

ENGnach Engine

14110570,335,20,001.7693.5395.308Prefill (tok/s)Generation (tok/s)unbekannt - 3,0 tok/s Generation, 139 tok/s Prefill, TTFT 15.493 ms (1 Lauf)unbekanntllama.cpp - 3,0 tok/s Generation, 139 tok/s Prefill, TTFT 15.493 ms (1 Lauf)llama.cppvLLM - 108,6 tok/s Generation, 4.301 tok/s Prefill, TTFT 3.711 ms (10 Laufe) | DIESER LAUF★ vLLM
★ vLLM 108,6 tok/s dieser Laufunbekannt 3,0 tok/sllama.cpp 3,0 tok/s

DRVnach Treiber

14110570,335,20,001.7693.5395.308Prefill (tok/s)Generation (tok/s)AMD 7.0.0-27-generic - 3,0 tok/s Generation, 139 tok/s Prefill, TTFT 15.493 ms (1 Lauf)AMD 7.0.0-27-genericunbekannt - 3,0 tok/s Generation, 139 tok/s Prefill, TTFT 15.493 ms (1 Lauf)unbekanntNVIDIA 590.48.01 / CUDA 13.1 - 108,6 tok/s Generation, 4.301 tok/s Prefill, TTFT 3.711 ms (10 Laufe) | DIESER LAUF★ NVIDIA 590.48.01 / CU...
★ NVIDIA 590.48.01 / CUDA 13.1 108,6 tok/s dieser LaufAMD 7.0.0-27-generic 3,0 tok/sunbekannt 3,0 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.