返回搜索结果
DeepSeek-R1-Distill-Qwen-14B · Q3_K_M
NVIDIA RTX 409024GBllama.cpp v0.47L2 跨框架验证
本页汇总 DeepSeek-R1-Distill-Qwen-14B（Q3_K_M）在 NVIDIA RTX 4090 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。
122.06 tok/s
Decode
解码速度
409.59 tok/s
Prefill
预填充速度
2.2 s
TTFT
首 token 延迟
22.09 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 · Q3_K_M （当前）Decode 122.06 · Prefill 409.59 ·
- vLLM · IQ2_M Decode 163.66 · Prefill 743.62 ·
- Ollama · Q3_K_L Decode 117.29 · Prefill 610.83 ·
- vLLM · Q5_K_M Decode 82.4 · Prefill 618 ·
- vLLM · Q4_K_M Decode 100.8 · Prefill 756 ·
- llama.cpp · Q5_K_M Decode 75.6 · Prefill 567 ·
- llama.cpp · Q4_K_M Decode 92.5 · Prefill 693.8 ·
核心数据
- Decode（平均）
- 122.06 tok/s
- Prefill（平均）
- 409.59 tok/s
- TTFT（平均）
- 2.2 s
- VRAM（平均）
- 22.09 GB
- MTP 接受率
- —
- TTFB
- 0.98 GB
- 功耗
- 306.5 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
- Q3_K_M
- 框架
- llama.cpp
- 版本
- v0.47
- 上下文长度
- 2048 tokens
- 批次大小
- 256
- GPU 层数
- 33
- 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 4090
- 标称显存
- 24 GB
- 实测显存（均值）
- 22.09 GB
- 系统
- Ubuntu 24.04
- 驱动
- 560.94
- CUDA
- 12.8
- 电源功耗
- 306.5 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.47 · Ubuntu 24.04 · CUDA 12.8 · 2048 ctx
122.06 tok/s
Decode
409.59 tok/s
Prefill
2.2 s
TTFT
22.09 GB
VRAM
—
MTP
306.5 W
功耗
L2 batch seed 2026-10-19: llama.cpp on hw_id=1 running model_id=71 at Q3_K_M