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

minimax-m2.5-awq

Performancebenchmark · gemessen am 26.07.2026 00:12

Benchmark-IDrun-20260726-084121-3a0bfa
Timebench 3 - Kombi (Prefill + Generation)MoE230BRuntime: vLLMQuantisierung: AWQ
⚠
Konfigurations-Hinweis: Es sind 3 Grafikkarten installiert, aber nur 1 wurde fuer diesen Lauf genutzt (tensor-parallel-size=1). Mit allen 3 GPUs koennte der Durchsatz deutlich hoeher liegen.
ℹ
Zur Einordnung: Teile des Modells wurden per --cpu-offload-gb=25 GB in den System-RAM ausgelagert – RAM wird als erweiterter VRAM genutzt, was den Durchsatz senken kann.
Generation3,39tok/s
Prefill391,46tok/s
Time to First Token32.665,00ms
Gesamtdauer600,00s
Concurrency5parallel
Einordnung im Feld
1503von 1539 Systemen

Performancebenchmark · Leitmetrik: Generation-Speed (tok/s) · 5× parallel

Dieser Lauf ist besser als 2 % aller vergleichbaren Systeme.
Generation 3,4 tok/s
-99 % vs Ø 258,5
Prefill 391,5 tok/s
-93 % vs Ø 5.498,6
Time to First Token 32.665 ms
+13 % vs Ø 28.923
Verteilung im Feld0 – 1.695 tok/s
Ø 258 Median Dieser Lauf

Wie schlägt sich dieser Benchmark mit anderen Modellen?

NVIDIA-Nemotron-3.5-Lightning-30B-A3BNVIDIA GeForce RTX 3090 · run-20261026-180644-b547e8
1.694,7 tok/s
NVIDIA-Nemotron-3.5-Lightning-30B-A3BNVIDIA GeForce RTX 3090 · run-20261026-183943-5ef8b5
1.375,1 tok/s
gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181606-0adf6d
1.349,3 tok/s
gemma-4-E2B-itNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20261023-071844-e5e309
1.348,4 tok/s
gemma-4-E2B-itNVIDIA GeForce RTX 5090 · run-20260728-184455-5b4937
1.301,9 tok/s
gemma-4-E2B-it3× 3x NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition · run-20260728-184456-4111a9
1.195,7 tok/s
NVIDIA-Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260727-181607-30d864
1.188,7 tok/s
NVIDIA-Nemotron-3-Nano-4BNVIDIA GeForce RTX 5090 · run-20260728-194135-5432cd
1.164,8 tok/s
NVIDIA-Nemotron-3-Nano-4BNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20261023-071851-c3c4a5
1.154,4 tok/s
gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260728-140954-9e81f9
1.136,3 tok/s
gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20260730-035052-09627f
1.135,0 tok/s
NVIDIA-Nemotron-3.5-Lightning-30B-A3BNVIDIA GeForce RTX 3090 Ti · run-20261021-093815-b22926
1.135,0 tok/s
gpt-oss-20bNVIDIA GeForce RTX 5090 · run-20260729-032121-058a31
1.113,5 tok/s
gpt-oss-20bNVIDIA RTX PRO 6000 Blackwell Workstation Edition · run-20261023-071836-99dfa5
1.105,8 tok/s
minimax-m2.5-awq dieser Lauf3× 3x AMD Radeon AI PRO R9700 · run-20260726-084121-3a0bfa
3,4 tok/s

Wie schlägt sich dieser Benchmark mit anderen GPUs?

Dasselbe Modell auf anderer Hardware · 5× 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: vLLM
Quantisierung: AWQ
Modell: minimax-m2.5-awq

Konfiguration

benchmark-konfiguration — run-20260726-084121-3a0bfa
# LLM-Benchmark Konfiguration # Modell : minimax-m2.5-awq # Engine : vLLM # Run-ID : run-20260726-084121-3a0bfa # GPU : 3x AMD Radeon AI PRO R9700 # CPU : AMD Ryzen Threadripper PRO 7955WX 16-Cores # RAM : 184 GB bench@llm-benchmark:~$ /opt/python/bin/python /opt/python/bin/vllm serve cyankiwi/MiniMax-M2.5-AWQ-4bit \ --served-model-name MiniMax-M2.5 \ --host 0.0.0.0 \ --port 8000 \ -tp 1 \ -pp 3 \ --cpu-offload-gb 25 \ --dtype auto \ --max-model-len 4096 \ --max-num-seqs 8 \ --gpu-memory-utilization 0.92 \ --enforce-eager \ --trust-remote-code
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.MiniMax-M2.5
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.4096
Alias?Anzeigename des Modells nach aussen (served model name), unabhaengig vom Dateinamen.MiniMax-M2.5
tp1
pp3
cpu-offload-gb?Menge an Modellgewichten in GiB, die in den CPU-RAM ausgelagert wird. Ermoeglicht groessere Modelle als der GPU-Speicher fasst, kostet aber Geschwindigkeit.25
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.4096
Max-Sequenzen?Maximale Anzahl gleichzeitig bearbeiteter Anfragen (Batch-Groesse). Hoeher = mehr Durchsatz, braucht aber mehr KV-Cache-Speicher.8
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'.0.92

Alle Benchmarks dieses Modells Zum Leaderboard

Anzeige
Videoreihe und Benchmarkauswertung zur AMD R9700
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)llama.cpp - 66,1 tok/s Generation, 294 tok/s Prefill, TTFT 21.346 ms (2 Laufe)llama.cppunbekannt - 62,7 tok/s Generation, 244 tok/s Prefill, TTFT 10.745 ms (2 Laufe)unbekanntvLLM - 105,6 tok/s Generation, 2.609 tok/s Prefill, TTFT 8.503 ms (6 Laufe) | DIESER LAUF★ vLLM
★ vLLM 105,6 tok/s dieser Laufllama.cpp 66,1 tok/sunbekannt 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 (5× 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. Token9,12 EUR
Token / kWh32,89 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)213,81 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 (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

minimax-m2.5-awqAMD Radeon AI PRO R9700minimax-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.