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

Laguna-XS-2.1-INT4

Performancebenchmark · gemessen am 22.07.2026 17:51

Benchmark-IDrun-20260722-165909-1d2b0c
MoE33.4BRuntime: godclawQuantisierung: INT4
ℹ
Öffentliche Anmerkung: vLLM . 1 GPU . INT4 (poolside/Laguna-XS-2.1-INT4) . RE-RUN warm
Generation26,88tok/s
Prefill3.698,07tok/s
Time to First Token747,50ms
Gesamtdauer77,69s
Concurrency1parallel
Einordnung im Feld
281von 496 Systemen

Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 1× parallel

Dieser Lauf ist besser als 43 % aller vergleichbaren Systeme.
Generation 26,9 tok/s
-30 % vs Ø 38,4
Prefill 3.698,1 tok/s
+79 % vs Ø 2.069,9
Time to First Token 748 ms
-98 % vs Ø 32.977
Verteilung im Feld1 – 227 tok/s
Ø 38 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

Hardware

GPU: 3x AMD Radeon AI PRO R9700 · 32 GB VRAM
CPU: 32x AMD Ryzen Threadripper PRO 7955WX 16-Cores
RAM: 184 GB
Mainboard: ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE

Setup

Runtime: godclaw
Quantisierung: INT4
Betriebssystem: Ubuntu 26.04 LTS (Kernel 7.0.0-27-generic)
Treiber: AMD 7.0.0-27-generic
Modell: Laguna-XS-2.1-INT4

Konfiguration

benchmark-konfiguration — run-20260722-165909-1d2b0c
# LLM-Benchmark Konfiguration # Modell : Laguna-XS-2.1-INT4 # Run-ID : run-20260722-165909-1d2b0c # GPU : 3x AMD Radeon AI PRO R9700 # CPU : 32x AMD Ryzen Threadripper PRO 7955WX 16-Cores # RAM : 184 GB bench@llm-benchmark:~$ cat benchmark.conf Konfigurationspfad poolside/Laguna-XS-2.1-INT4 Engine vllm Modellalias Laguna-XS-2.1-INT4 Kontextlaenge 8192 Tensor-Parallel 1 Dtype auto GPU-Speicher 0.90 Trust-Remote-Code aktiv Host 0.0.0.0 Port 8000
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.Laguna-XS-2.1-INT4
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.8192
Alias?Name, unter dem vLLM das Modell in der API anbietet. Der Client muss im Request-Feld 'model' exakt diesen Namen senden.Laguna-XS-2.1-INT4
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
Dtype?Zahlenformat der Modellgewichte bei der Berechnung (z.B. auto, float16, bfloat16). 'auto' waehlt automatisch das vom Modell empfohlene Format.auto
Kontext?Maximale Kontextlaenge in Tokens (Eingabe + Ausgabe zusammen). Begrenzt, wie gross eine einzelne Anfrage sein darf.8192
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
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
Host?Netzwerk-Adresse, an die der API-Server bindet. 0.0.0.0 = auf allen Netzwerk-Schnittstellen erreichbar.0.0.0.0
Port?TCP-Port, auf dem der API-Server lauscht (bei vLLM standardmaessig 8000).8000

Alle Benchmarks dieses Modells Zum Leaderboard

Anzeige
Videoreihe und Benchmarkauswertung zur AMD R9700
Modell-Vergleich

Laguna-XS-2.1-INT4 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

29,628,226,925,524,23.4763.6243.7723.920Prefill (tok/s)Generation (tok/s)AMD Radeon AI PRO R9700 - 26,9 tok/s Generation, 3.698 tok/s Prefill, TTFT 748 ms (2 Laufe) | DIESER LAUF★ AMD Radeon AI PRO R97...
★ AMD Radeon AI PRO R9700 26,9 tok/s dieser Lauf

CPUnach Prozessor

29,628,226,925,524,23.4763.6243.7723.920Prefill (tok/s)Generation (tok/s)AMD Ryzen Threadripper PRO 7955WX 16-Cores - 26,9 tok/s Generation, 3.698 tok/s Prefill, TTFT 748 ms (2 Laufe) | DIESER LAUF★ AMD Ryzen Threadrippe...
★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 26,9 tok/s dieser Lauf

MBnach Mainboard

29,628,226,925,524,23.4763.6243.7723.920Prefill (tok/s)Generation (tok/s)ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE - 26,9 tok/s Generation, 3.698 tok/s Prefill, TTFT 748 ms (2 Laufe) | DIESER LAUF★ ASUSTeK COMPUTER INC....
★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 26,9 tok/s dieser Lauf

ENGnach Engine

29,628,226,925,524,23.4763.6243.7723.920Prefill (tok/s)Generation (tok/s)unbekannt - 26,9 tok/s Generation, 3.698 tok/s Prefill, TTFT 748 ms (1 Lauf)unbekanntvLLM - 26,9 tok/s Generation, 3.698 tok/s Prefill, TTFT 748 ms (1 Lauf)vLLM
unbekannt 26,9 tok/svLLM 26,9 tok/s

DRVnach Treiber

29,628,226,925,524,23.4763.6243.7723.920Prefill (tok/s)Generation (tok/s)unbekannt - 26,9 tok/s Generation, 3.698 tok/s Prefill, TTFT 748 ms (1 Lauf)unbekanntAMD 7.0.0-27-generic - 26,9 tok/s Generation, 3.698 tok/s Prefill, TTFT 748 ms (1 Lauf) | DIESER LAUF★ AMD 7.0.0-27-generic
★ AMD 7.0.0-27-generic 26,9 tok/s dieser Laufunbekannt 26,9 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 übernehmenZurücksetzen
⚡ Strompreis EUR/kWh
⚙️ System-Auslastung 100 %
🖥️ Anschaffung EUR
🔌 Idle 85 W
⚡ TDP 371 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)371 W geschätzt (TDP)GPU 300 + CPU 46 + Board 25 W Volllast
Ø-Kosten / Stunde0,11 EUR
Strom / 1 Mio. Token1,15 EUR
Token / kWh260,83 Tsd.
Anschaffung (System)6.824 EUR VollpreisGPU 1.400 EUR · CPU 1.399 EUR · Board 1.299 EUR · RAM 2.576 EUR · Netzteil 150 EUR
Stromkosten (2 Jahre)–
TCO (2 Jahre)8.774 EUR
Output-Token (2 Jahre)1,70 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 (85 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

Laguna-XS-2.1-INT4AMD Radeon AI PRO R9700Laguna-XS-2.1-INT4AMD Radeon AI PRO R9700
Kosten Strom (24 Mon.)––
Kosten Anschaffung––
Kosten Gesamt (TCO)––
Generierte Token (24 Mon.)––
Tokenpreis bei API––
Break-Even-Point (Tage)––
Ergebnis (Ersparnis / Ausgabe)––

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.