返回搜索结果
DeepSeek-V4-Flash-Vision-Exp · UD-Q8_K_XL
2x NVIDIA RTX 509064GBllama.cpp moecachev1.6-rc0L0 自报
本页汇总 DeepSeek-V4-Flash-Vision-Exp（UD-Q8_K_XL）在 2x NVIDIA RTX 5090 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。
32.08 tok/s
Decode
解码速度
671.45 tok/s
Prefill
预填充速度
0.12 s
TTFT
首 token 延迟
60.59 GB
VRAM
显存占用
L0 自报
1
实测次数
1
独立来源
GitHub
来源平台
2026-09-27
最后验证
性能表现
- llama.cpp · UD-Q8_K_XL （当前）Decode 32.08 · Prefill 671.45 ·
核心数据
- Decode（平均）
- 32.08 tok/s
- Prefill（平均）
- 671.45 tok/s
- TTFT（平均）
- 0.12 s
- VRAM（平均）
- 60.59 GB
- MTP 接受率
- —
- TTFB
- — GB
- 功耗
- — W
基础配置
成员级字段取自最近一次实测
- 模型
- DeepSeek-V4-Flash-Vision-Exp
- 量化方式
- UD-Q8_K_XL
- 框架
- llama.cpp
- 版本
- moecachev1.6-rc0
- 上下文长度
- 204800 tokens
- GPU 层数
- 99
硬件信息
标称与实测并排陈列，能否运行由读者自判
- GPU
- 2x NVIDIA RTX 5090
- 标称显存
- 64 GB
- 实测显存（均值）
- 60.59 GB
- 系统
- Ubuntu 24.04.4 LTS
- 驱动
- 610.57.04
- CUDA
- 13.3
获取与上手
本次部署权重下载
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
moecachev1.6-rc0 · Ubuntu 24.04.4 LTS · CUDA 13.3 · 204800 ctx
32.08 tok/s
Decode
671.45 tok/s
Prefill
0.12 s
TTFT
60.59 GB
VRAM
—
MTP
— W
功耗
2×5090 +3975WX/251GiB RAM，MoE专家CPU卸载。narrative5次decode均值32.08t/s，短prompt TTFT119ms；cache-busted10K prefill均值671.45t/s，bench峰值62047MiB≈60.59GiB。专家缓存未启用，不能据此宣称cache加速。UD-Q8_K_XL为混合精度，日志MXFP4 MoE不等于整模型纯8bit。