2x NVIDIA RTX 5090
台式机双卡 RTX 5090 组网，合计 64GB 显存。多卡不构成单一内存池，带宽与 TDP 留空。
7
运行记录
6
覆盖模型
2
覆盖框架
L0 自报 × 7
证据分布
典型性能表现
同硬件上各模型 × 框架 × 量化的已上架实测均值。
- vLLM · IQ3_S Decode — · Prefill — ·
- vLLM · IQ2_XS Decode — · Prefill — ·
- vLLM · IQ3_S Decode — · Prefill — ·
- vLLM · IQ3_S Decode — · Prefill — ·
- llama.cpp · UD-Q8_K_XL Decode 32.08 · Prefill 671.45 ·
- llama.cpp · UD-IQ4_XS Decode 21.96 · Prefill 421.07 ·
- llama.cpp · UD-IQ2_XXS Decode 19.39 · Prefill 692.41 ·
Fit 判定
按显存与内存带宽做物理估算：选择模型，查看各量化能否装下及预计速度
估算公式：tok/s =（带宽 ÷ 模型占用）× 0.55，借鉴 llmfit；实测以运行记录为准
核心规格
- 厂商
- NVIDIA
- 架构
- Blackwell
- 显存
- 64 GB
- 显存带宽
- 1792 GB/s
运行记录
共 7 组配置
| 模型 | 框架 | 量化 | Decode | 生成耗时 | 样本数 |
|---|---|---|---|---|---|
| Laguna-S-2.1 | vLLM | IQ3_S | — | — | 1 |
| Laguna-S-2.1 | vLLM | IQ2_XS | — | — | 1 |
| GLM-5.3 | vLLM | IQ3_S | — | — | 1 |
| DeepSeek-V4.1-Flash | vLLM | IQ3_S | — | — | 1 |
| DeepSeek-V4-Flash-Vision-Exp | llama.cpp | UD-Q8_K_XL | 32.1 tok/s | — | 1 |
| GLM-5.3-Flash | llama.cpp | UD-IQ4_XS | 22 tok/s | — | 1 |
| DeepSeek-V4-Flash | llama.cpp | UD-IQ2_XXS | 19.4 tok/s | — | 1 |