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

minimax-m2.5-awq

Performancebenchmark · gemessen am 22.07.2026 13:15

Benchmark-IDrun-20260722-165910-307e51
Timebench 3 - Kombi (Prefill + Generation)MoE230BRuntime: llama.cppQuantisierung: IQ4_NL
ℹ
Öffentliche Anmerkung: llama.cpp . 3 GPU . GGUF (ubergarm/MiniMax-M2.5-GGUF IQ4_NL) . RAM-Offload -cmoe
Generation6,46tok/s
Prefill119,37tok/s
Time to First Token21.345,50ms
Gesamtdauer178,63s
Concurrency1parallel
Einordnung im Feld
416von 496 Systemen

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

Dieser Lauf ist besser als 16 % aller vergleichbaren Systeme.
Generation 6,5 tok/s
-83 % vs Ø 38,4
Prefill 119,4 tok/s
-94 % vs Ø 2.069,9
Time to First Token 21.346 ms
-35 % vs Ø 32.977
Verteilung im Feld1 – 227 tok/s
Ø 38 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: AMD Ryzen Threadripper PRO 7955WX 16-Cores
RAM: 184 GB
Mainboard: ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE

Setup

Runtime: llama.cpp
Quantisierung: IQ4_NL
Modell: minimax-m2.5-awq

Konfiguration

benchmark-konfiguration — run-20260722-165910-307e51
# LLM-Benchmark Konfiguration # Modell : minimax-m2.5-awq # Engine : llama.cpp # Run-ID : run-20260722-165910-307e51 # GPU : 3x AMD Radeon AI PRO R9700 # CPU : AMD Ryzen Threadripper PRO 7955WX 16-Cores # RAM : 184 GB bench@llm-benchmark:~$ /src/build/bin/llama-server \ -m /root/.cache/huggingface/hub/models--ubergarm--MiniMax-M2.5-GGUF/snapshots/6e9d9db189e9c7d70ed222ea823c20dd3e5d980e/mainline-IQ4_NL/MiniMax-M2.5-mainline-IQ4_NL-00001-of-00004.gguf \ -ngl 999 \ -cmoe \ -c 8192 \ -a Minimax-2.5 \ -sm 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-2.5
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--ubergarm--MiniMax-M2.5-GGUF/snapshots/6e9d9db189e9c7d70ed222ea823c20dd3e5d980e/mainline-IQ4_NL/MiniMax-M2.5-mainline-IQ4_NL-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-2.5
Split-Mode?Verteilung ueber mehrere GPUs: none (nur eine GPU), layer (Layer aufteilen) oder row (Tensoren zeilenweise).layer

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

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 9965WX 24-Cores - 62,7 tok/s Generation, 368 tok/s Prefill, TTFT 144 ms (2 Laufe)AMD Ryzen Threadrippe...AMD Ryzen Threadripper PRO 7955WX 16-Cores - 66,1 tok/s Generation, 270 tok/s Prefill, TTFT 21.132 ms (5 Laufe) | DIESER LAUF★ AMD Ryzen Threadrippe...
NVIDIA Grace 105,6 tok/s★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 66,1 tok/s dieser LaufAMD Ryzen Threadripper PRO 9965WX 24-Cores 62,7 tok/s

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)vLLM - 105,6 tok/s Generation, 2.609 tok/s Prefill, TTFT 8.503 ms (6 Laufe)vLLMunbekannt - 62,7 tok/s Generation, 244 tok/s Prefill, TTFT 10.745 ms (2 Laufe)unbekanntllama.cpp - 66,1 tok/s Generation, 294 tok/s Prefill, TTFT 21.346 ms (2 Laufe) | DIESER LAUF★ llama.cpp
vLLM 105,6 tok/s★ llama.cpp 66,1 tok/s dieser Laufunbekannt 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
💰 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. Token12,53 EUR
Token / kWh23,95 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)407,45 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-m2.5-awq3x AMD Radeon AI PRO R9700minimax-m2.5-awq3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionminimax-m2.5-awq3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Editionminimax-m2.5-awqNVIDIA 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.