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

MiniMax-M2.7-AWQ-4bit

Performancebenchmark · gemessen am 22.07.2026 09:05

Benchmark-IDrun-20260722-165909-758b3b
MoE230BRuntime: godclawQuantisierung: Q4_K_M
ℹ
Öffentliche Anmerkung: llama.cpp . 3 GPU . GGUF (unsloth/MiniMax-M2.7-GGUF) . RAM-Offload -cmoe (~230B MoE)
Generation3,00tok/s
Prefill139,37tok/s
Time to First Token15.492,50ms
Gesamtdauer99,67s
Concurrency1parallel
Einordnung im Feld
1777von 1927 Systemen

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

Dieser Lauf ist besser als 8 % aller vergleichbaren Systeme.
Generation 3,0 tok/s
-96 % vs Ø 77,5
Prefill 139,4 tok/s
-95 % vs Ø 2.844,6
Time to First Token 15.493 ms
-35 % vs Ø 23.755
Verteilung im Feld0 – 471 tok/s
Ø 78 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

Wie schlägt sich dieser Benchmark mit anderen GPUs?

Dasselbe Modell auf anderer Hardware · 1× parallel · Generation (tok/s)

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: Q4_K_M
Betriebssystem: Ubuntu 26.04 LTS (Kernel 7.0.0-27-generic)
Treiber: AMD 7.0.0-27-generic
Modell: MiniMax-M2.7-AWQ-4bit

Konfiguration

benchmark-konfiguration — run-20260722-165909-758b3b
# LLM-Benchmark Konfiguration # Modell : MiniMax-M2.7-AWQ-4bit # Run-ID : run-20260722-165909-758b3b # 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 /root/.cache/huggingface/hub/models--unsloth--MiniMax-M2.7-GGUF/snapshots/d2a05ccf69491b03db0cc40b335aec14bdaf7198/UD-Q4_K_M/MiniMax-M2.7-UD-Q4_K_M-00001-of-00004.gguf Engine llamacpp Modellalias MiniMax-M2.7 Kontextlaenge 8192 GPU-Layer 999 cmoe aktiv Split-Mode layer 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.llamacpp
Modellalias?Der Name, unter dem das Modell ueber die API angesprochen wird. Genau dieser Wert muss im Request-Feld 'model' stehen.MiniMax-M2.7
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.8192
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird./root/.cache/huggingface/hub/models--unsloth--MiniMax-M2.7-GGUF/snapshots/d2a05ccf69491b03db0cc40b335aec14bdaf7198/UD-Q4_K_M/MiniMax-M2.7-UD-Q4_K_M-00001-of-00004.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
cmoeaktiv
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.8192
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.MiniMax-M2.7
Split-Mode?Verteilung ueber mehrere GPUs: none (nur eine GPU), layer (Layer aufteilen) oder row (Tensoren zeilenweise).layer
Host?Netzwerk-Interface, an das der HTTP-Server bindet, z.B. 0.0.0.0 fuer alle Interfaces.0.0.0.0
Port?TCP-Port des HTTP-Servers.8000

Alle Benchmarks dieses Modells Zum Leaderboard

Anzeige
Videoreihe und Benchmarkauswertung zur AMD R9700
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)NVIDIA DGX SPARK (GB10) - 108,6 tok/s Generation, 4.301 tok/s Prefill, TTFT 3.711 ms (10 Laufe)NVIDIA DGX SPARK (GB1...AMD Radeon AI PRO R9700 - 3,0 tok/s Generation, 139 tok/s Prefill, TTFT 15.493 ms (2 Laufe) | DIESER LAUF★ AMD Radeon AI PRO R97...
NVIDIA DGX SPARK (GB10) 108,6 tok/s★ AMD Radeon AI PRO R9700 3,0 tok/s dieser Lauf

CPUnach Prozessor

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

MBnach Mainboard

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

ENGnach Engine

14110570,335,20,001.7693.5395.308Prefill (tok/s)Generation (tok/s)vLLM - 108,6 tok/s Generation, 4.301 tok/s Prefill, TTFT 3.711 ms (10 Laufe)vLLMunbekannt - 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.cpp
vLLM 108,6 tok/sunbekannt 3,0 tok/sllama.cpp 3,0 tok/s

DRVnach Treiber

14110570,335,20,001.7693.5395.308Prefill (tok/s)Generation (tok/s)NVIDIA 590.48.01 / CUDA 13.1 - 108,6 tok/s Generation, 4.301 tok/s Prefill, TTFT 3.711 ms (10 Laufe)NVIDIA 590.48.01 / CU...unbekannt - 3,0 tok/s Generation, 139 tok/s Prefill, TTFT 15.493 ms (1 Lauf)unbekanntAMD 7.0.0-27-generic - 3,0 tok/s Generation, 139 tok/s Prefill, TTFT 15.493 ms (1 Lauf) | DIESER LAUF★ AMD 7.0.0-27-generic
NVIDIA 590.48.01 / CUDA 13.1 108,6 tok/s★ AMD 7.0.0-27-generic 3,0 tok/s dieser Laufunbekannt 3,0 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 125 W
⚡ TDP 971 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)971 W geschätzt (TDP)GPU 900 + CPU 46 + Board 25 W Volllast
Ø-Kosten / Stunde0,29 EUR
Strom / 1 Mio. Token26,97 EUR
Token / kWh11,12 Tsd.
Anschaffung (System)9.674 EUR VollpreisGPU 4.200 EUR · CPU 1.399 EUR · Board 1.299 EUR · RAM 2.576 EUR · Netzteil 200 EUR
Stromkosten (2 Jahre)–
TCO (2 Jahre)14.778 EUR
Output-Token (2 Jahre)189,22 Mio.
☁️ 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 (125 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

MiniMax-M2.7-AWQ-4bit3x AMD Radeon AI PRO R9700MiniMax-M2.7-AWQ-4bitNVIDIA DGX SPARK (GB10)MiniMax-M2.7-AWQ-4bitNVIDIA DGX SPARK (GB10)MiniMax-M2.7-AWQ-4bitNVIDIA DGX SPARK (GB10)
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.