返回搜索结果
DeepSeek-R1-Distill-Qwen-14B · IQ3_XS
NVIDIA RTX 509032GBvLLM v0.40L2 跨框架验证
本页汇总 DeepSeek-R1-Distill-Qwen-14B（IQ3_XS）在 NVIDIA RTX 5090 上以 vLLM 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。
290.25 tok/s
Decode
解码速度
1,286.52 tok/s
Prefill
预填充速度
1.62 s
TTFT
首 token 延迟
20.33 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
今天
最后验证
性能表现
- llama.cpp · IQ1_S Decode 313.16 · Prefill 1103.72 ·
- vLLM · IQ3_XS （当前）Decode 290.25 · Prefill 1286.52 ·
- vLLM · Q5_K_S Decode 193.3 · Prefill 1031.83 ·
- vLLM · Q5_K_M Decode 146.5 · Prefill 1098.8 ·
- vLLM · Q4_K_M Decode 179.2 · Prefill 1344 ·
- llama.cpp · Q5_K_M Decode 134.4 · Prefill 1008 ·
- llama.cpp · Q4_K_M Decode 164.4 · Prefill 1233 ·
核心数据
- Decode（平均）
- 290.25 tok/s
- Prefill（平均）
- 1,286.52 tok/s
- TTFT（平均）
- 1.62 s
- VRAM（平均）
- 20.33 GB
- MTP 接受率
- —
- TTFB
- 2.32 GB
- 功耗
- 403.6 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
- IQ3_XS
- 框架
- vLLM
- 版本
- v0.40
- 上下文长度
- 32768 tokens
- 批次大小
- 8
- GPU 层数
- 999
- Flash Attention
- 开启
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 5090
- 标称显存
- 32 GB
- 实测显存（均值）
- 20.33 GB
- 系统
- Ubuntu 22.04
- 驱动
- 570.86
- CUDA
- 13.0
- 电源功耗
- 403.6 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.40 · Ubuntu 22.04 · CUDA 13.0 · 32768 ctx
290.25 tok/s
Decode
1,286.52 tok/s
Prefill
1.62 s
TTFT
20.33 GB
VRAM
—
MTP
403.6 W
功耗
L2 batch seed 2026-10-18: vLLM on hw_id=13 running model_id=71 at IQ3_XS