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

SmolLM2-1.7B-Instruct

Performancebenchmark · gemessen am 08.10.2026 07:28

Benchmark-IDrun-20261008-053613-9329fd
Timebench 3 - Kombi (Prefill + Generation)Dense1.7BRuntime: llama.cppQuantisierung: Q4_K_M
ℹ
Öffentliche Anmerkung: Arduino Q (ventunoq) . ARM RK3588 8-Core (4x Cortex-A78C + 4x Cortex-A55) . 14 GB RAM . llama.cpp CPU (Edge-Geraet)
Generation2,89tok/s
Prefill37,52tok/s
Time to First Token81.740,50ms
Gesamtdauer754,39s
Concurrency1parallel
Einordnung im Feld
1791von 1927 Systemen

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

Dieser Lauf ist besser als 7 % aller vergleichbaren Systeme.
Generation 2,9 tok/s
-96 % vs Ø 77,5
Prefill 37,5 tok/s
-99 % vs Ø 2.844,6
Time to First Token 81.741 ms
+244 % 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: Keine GPU (CPU-only)
CPU: 4 x Cortex-A78C + 4 x Cortex-A55
RAM: 15 GB

Setup

Runtime: llama.cpp
Quantisierung: Q4_K_M
Modell: SmolLM2-1.7B-Instruct

Konfiguration

benchmark-konfiguration — run-20261008-053613-9329fd
# LLM-Benchmark Konfiguration # Modell : SmolLM2-1.7B-Instruct # Engine : llama.cpp # Run-ID : run-20261008-053613-9329fd # GPU : Keine GPU (CPU-only) # CPU : 4 x Cortex-A78C + 4 x Cortex-A55 # RAM : 15 GB bench@llm-benchmark:~$ llama-server \ -m SmolLM2-1.7B-Instruct-Q4_K_M.gguf \ --alias SmolLM2-1.7B-Instruct \ -ngl 0 \ -t 8 \ -c 40960 \ -np 10 '(ARM' RK3588 'CPU)'
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.SmolLM2-1.7B-Instruct
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.40960
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.SmolLM2-1.7B-Instruct-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.0
Threads?Anzahl CPU-Threads fuer die Token-Generierung (Decode).8
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.40960
np10
execution_typelocal

Alle Benchmarks dieses Modells Zum Leaderboard

Anzeige
Modell-Vergleich

SmolLM2-1.7B-Instruct 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

6805103401700,0012.42924.85737.286Prefill (tok/s)Generation (tok/s)AMD Radeon RX 7900 XTX - 531,7 tok/s Generation, 30.326 tok/s Prefill, TTFT 600 ms (3 Laufe)AMD Radeon RX 7900 XTXCPU-only - 55,0 tok/s Generation, 1.770 tok/s Prefill, TTFT 91.364 ms (4 Laufe) | DIESER LAUF★ CPU-only
AMD Radeon RX 7900 XTX 531,7 tok/s★ CPU-only 55,0 tok/s dieser Lauf

CPUnach Prozessor

6915183451730,0012.53225.06537.597Prefill (tok/s)Generation (tok/s)AMD Ryzen Threadripper PRO 3955WX 16-Cores - 531,7 tok/s Generation, 30.326 tok/s Prefill, TTFT 600 ms (3 Laufe)AMD Ryzen Threadrippe...Apple M6 (unified CPU/GPU SoC) - 55,0 tok/s Generation, 2.966 tok/s Prefill, TTFT 1.194 ms (1 Lauf)Apple M6 (unified CPU...Apple M6 (unified CPU/GPU SoC, ARM64, AdvSIMD) - 34,5 tok/s Generation, 4.031 tok/s Prefill, TTFT 886 ms (1 Lauf)Apple M6 (unified CPU...4 x Cortex-A78C + 4 x Cortex-A55 - 3,1 tok/s Generation, 41 tok/s Prefill, TTFT 181.689 ms (2 Laufe) | DIESER LAUF★ 4 x Cortex-A78C + 4 x...
AMD Ryzen Threadripper PRO 3955WX 16-Cores 531,7 tok/sApple M6 (unified CPU/GPU SoC) 55,0 tok/sApple M6 (unified CPU/GPU SoC, ARM64, AdvSIMD) 34,5 tok/s★ 4 x Cortex-A78C + 4 x Cortex-A55 3,1 tok/s dieser Lauf

MBnach Mainboard

6915183451730,0012.53225.06537.597Prefill (tok/s)Generation (tok/s)ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI - 531,7 tok/s Generation, 30.326 tok/s Prefill, TTFT 600 ms (3 Laufe)ASUSTeK COMPUTER INC....Apple Mac mini - 55,0 tok/s Generation, 3.498 tok/s Prefill, TTFT 1.040 ms (2 Laufe)Apple Mac miniunbekannt - 3,1 tok/s Generation, 41 tok/s Prefill, TTFT 181.689 ms (2 Laufe)unbekannt
ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 531,7 tok/sApple Mac mini 55,0 tok/sunbekannt 3,1 tok/s

ENGnach Engine

6915183451730,0012.53225.06537.597Prefill (tok/s)Generation (tok/s)vLLM - 531,7 tok/s Generation, 30.326 tok/s Prefill, TTFT 600 ms (3 Laufe)vLLMOllama - 55,0 tok/s Generation, 2.966 tok/s Prefill, TTFT 1.194 ms (1 Lauf)Ollamalmstudio-mlx - 34,5 tok/s Generation, 4.031 tok/s Prefill, TTFT 886 ms (1 Lauf)lmstudio-mlxllama.cpp - 3,1 tok/s Generation, 41 tok/s Prefill, TTFT 181.689 ms (2 Laufe) | DIESER LAUF★ llama.cpp
vLLM 531,7 tok/sOllama 55,0 tok/slmstudio-mlx 34,5 tok/s★ llama.cpp 3,1 tok/s dieser Lauf

DRVnach Treiber

58555853250547913.16813.72814.28814.849Prefill (tok/s)Generation (tok/s)unbekannt - 531,7 tok/s Generation, 14.008 tok/s Prefill, TTFT 52.465 ms (7 Laufe)unbekannt
unbekannt 531,7 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 %
🔌 Idle 0 W
⚡ TDP 10 W
☁️ Externes LLM (API)
Strompreis0,30 EUR/kWh
Ø-Leistung (inkl. Idle)0 W fehlt
Ø-Kosten / Stunde–
Strom / 1 Mio. Token–
Token / kWh–
Anschaffung (System)– Teilpreis
Stromkosten (2 Jahre)–
TCO (2 Jahre)–
Output-Token (2 Jahre)182,28 Mio.
☁️ Externes LLM (API) – Vergleich
Externe LLM-Kosten (2 Jahre)–
Ersparnis vs. extern (2 Jahre)–
Keine Leistungsaufnahme gemessen – Werte geschätzt aus GPU-TDP + CPU (Idle + 15 %) + Board.

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 (0 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

SmolLM2-1.7B-InstructKeine GPU (CPU-only)SmolLM2-1.7B-Instruct2x AMD Radeon RX 7900 XTXSmolLM2-1.7B-InstructKeine GPU (CPU-only)SmolLM2-1.7B-InstructKeine GPU (CPU-only)
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.