# LLM-Benchmark Konfiguration # Modell : Devstral-Small-2-24B-Instruct-2512 # Engine : vLLM # Run-ID : run-20260724-004603-7a14f9 # GPU : NVIDIA RTX PRO 6000 Blackwell Workstation Edition # CPU : 32x AMD Ryzen 9 9950X 16-Core Processor # RAM : 92 GB bench@llm-benchmark:~$ /home/godcore/minimax-vllm-nightly/.venv/bin/python /home/godcore/minimax-vllm-nightly/.venv/bin/vllm serve cyankiwi/Devstral-Small-2-24B-Instruct-2512-AWQ-4bit \ --served-model-name Devstral-Small-2-24B-Instruct-2512 \ --dtype auto \ --max-model-len 8192 \ --gpu-memory-utilization 0.90 \ --trust-remote-code \ --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.	Devstral-Small-2-24B-Instruct-2512
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	8192
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.	Devstral-Small-2-24B-Instruct-2512
Dtype?Zahlenformat der Modellgewichte bei der Berechnung (z.B. auto, float16, bfloat16). 'auto' waehlt automatisch das vom Modell empfohlene Format.	auto
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	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

Alle Benchmarks dieses Modells Zum Leaderboard

Modell-Vergleich

Devstral-Small-2-24B-Instruct-2512 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

NVIDIA GeForce RTX 5090 924,8 tok/s★ NVIDIA RTX PRO 6000 Blackwell Workstation Edition 725,6 tok/s dieser LaufNVIDIA GeForce RTX 3090 Ti 473,2 tok/sAMD Radeon AI PRO R9700 29,4 tok/sAMD Radeon 8060S Graphics 8,9 tok/s

CPUnach Prozessor

AMD Ryzen 7 5800X3D 8-Core Processor 924,8 tok/s★ AMD Ryzen 9 9950X 16-Core Processor 725,6 tok/s dieser LaufAMD Ryzen 9 8945HX with Radeon Graphics 473,2 tok/sAMD Ryzen Threadripper PRO 7955WX 16-Cores 29,4 tok/sAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 8,9 tok/s

MBnach Mainboard

unbekannt 924,8 tok/sASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 29,4 tok/sMeigao Innovation Technology (Shen Zhen) Co., Ltd SHWSA (MS-S1 MAX) 8,9 tok/s

ENGnach Engine

llama.cpp 924,8 tok/s★ vLLM 725,6 tok/s dieser Lauf

DRVnach Treiber

NVIDIA 580.159.03 / CUDA 13.0 924,8 tok/sunbekannt 725,6 tok/sAMD 7.0.0-27-generic 29,4 tok/sROCm 7.2.0 8,9 tok/s

Beigesteuert von

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.