Runtime: llama.cpp
Quantization: Q4_K_M
Operating system: Ubuntu 26.04 LTS (Kernel 7.0.0-27-generic)
Driver: AMD 7.0.0-27-generic
Model: MiniMax-M2.7

Configuration

benchmark-konfiguration — run-20260723-114454-289e70

# LLM-Benchmark Konfiguration # Modell : MiniMax-M2.7 # Engine : llama.cpp # Run-ID : run-20260723-114454-289e70 # GPU : 3x AMD Radeon AI PRO R9700 # CPU : 32x AMD Ryzen Threadripper PRO 7955WX 16-Cores # RAM : 184 GB bench@llm-benchmark:~$ llama-server \ -m unsloth/MiniMax-M2.7-GGUF/Q4_K_M.gguf \ -ngl 999 \ -cmoe \ -c 26624 \ --parallel 12 \ -a MiniMax-M2.7 \ -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-M2.7
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	26624
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.	unsloth/MiniMax-M2.7-GGUF/Q4_K_M.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
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	26624
Parallel?Anzahl paralleler Slots/Sequenzen, die der Server gleichzeitig bedient. Der Kontext wird auf die Slots aufgeteilt.	12
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

Alle Benchmarks dieses Modells Zum Leaderboard

Model comparison

MiniMax-M2.7 auf verschiedener Hardware

Alle veroeffentlichten 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

★ AMD Radeon AI PRO R9700 16,9 tok/s dieser LaufCPU-only 2,6 tok/s

CPUnach Prozessor

★ AMD Ryzen Threadripper PRO 7955WX 16-Cores 16,9 tok/s dieser LaufIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 2,6 tok/s

MBnach Mainboard

★ ASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 16,9 tok/s dieser LaufDell Inc. PowerEdge R820 2,6 tok/s

ENGnach Engine

★ llama.cpp 16,9 tok/s dieser Lauf

DRVnach Treiber

★ AMD 7.0.0-27-generic 16,9 tok/s dieser Laufunbekannt 2,6 tok/s

Contributed by

Mario Alka Administrator

@marioalka

Gruender von godcore.de und Betreiber von llm-benchmark.de. Ich teste KI-Sprachmodelle auf echter Hardware, messe Tempo (Token/s) und Aufgaben-Qualitaet und teile die Ergebnisse offen und reproduzierbar.