返回搜索结果
DeepSeek-R1-Distill-Qwen-14B · IQ4_XS
NVIDIA RTX 309024GBllama.cpp v0.42L2 跨框架验证
本页汇总 DeepSeek-R1-Distill-Qwen-14B（IQ4_XS）在 NVIDIA RTX 3090 上以 llama.cpp 运行的 1 次实测数据，来自 1 个独立来源平台；指标为已上架实测的均值。
79.26 tok/s
Decode
解码速度
346.57 tok/s
Prefill
预填充速度
2.5 s
TTFT
首 token 延迟
22.8 GB
VRAM
显存占用
L2 跨框架验证
1
实测次数
1
独立来源
其他
来源平台
16 天前
最后验证
性能表现
- llama.cpp · IQ4_XS （当前）Decode 79.26 · Prefill 346.57 ·
- llama.cpp · Q3_K_M Decode 75.68 · Prefill 415.45 ·
- vLLM · Q3_K_M Decode 80.11 · Prefill 318.86 ·
- vLLM · Q2_K Decode 95.91 · Prefill 524.52 ·
- Ollama · IQ4_XS Decode 73.36 · Prefill 312.95 ·
- vLLM · Q5_K_M Decode 76.5 · Prefill 573.8 ·
- vLLM · Q4_K_M Decode 93.6 · Prefill 702 ·
- llama.cpp · Q5_K_M Decode 70.2 · Prefill 526.5 ·
- llama.cpp · Q4_K_M Decode 85.9 · Prefill 644.3 ·
核心数据
- Decode（平均）
- 79.26 tok/s
- Prefill（平均）
- 346.57 tok/s
- TTFT（平均）
- 2.5 s
- VRAM（平均）
- 22.8 GB
- MTP 接受率
- —
- TTFB
- 0.63 GB
- 功耗
- 343.1 W
基础配置
成员级字段取自最近一次实测
- 模型
- DeepSeek-R1-Distill-Qwen-14B
- 量化方式
- IQ4_XS
- 框架
- llama.cpp
- 版本
- v0.42
- 上下文长度
- 16384 tokens
- 批次大小
- 512
- GPU 层数
- 99
- Flash Attention
- 关闭
硬件信息
标称与实测并排陈列，能否运行由读者自判
- GPU
- NVIDIA RTX 3090
- 标称显存
- 24 GB
- 实测显存（均值）
- 22.8 GB
- 系统
- Windows 11 24H2
- 驱动
- 565.57
- CUDA
- 12.6
- 电源功耗
- 343.1 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.42 · Windows 11 24H2 · CUDA 12.6 · 16384 ctx
79.26 tok/s
Decode
346.57 tok/s
Prefill
2.5 s
TTFT
22.8 GB
VRAM
—
MTP
343.1 W
功耗
L2 batch seed 2026-10-19: llama.cpp on hw_id=2 running model_id=71 at IQ4_XS