返回搜索结果
DeepSeek-V4-Flash · UD-IQ2_XXS
2x NVIDIA RTX 509064GBllama.cpp b10236L0 自报
本页汇总 DeepSeek-V4-Flash（UD-IQ2_XXS）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。
19.39 tok/s
Decode
解码速度
692.41 tok/s
Prefill
预填充速度
0.12 s
TTFT
首 token 延迟
51.17 GB
VRAM
显存占用
L0 自报
1
实测次数
1
独立来源
GitHub
来源平台
今天
最后验证
性能表现
- llama.cpp · UD-IQ2_XXS （当前）Decode 19.39 · Prefill 692.41 ·
核心数据
- Decode（平均）
- 19.39 tok/s
- Prefill（平均）
- 692.41 tok/s
- TTFT（平均）
- 0.12 s
- VRAM（平均）
- 51.17 GB
- MTP 接受率
- —
- TTFB
- — GB
- 功耗
- 415 W
基础配置
成员级字段取自最近一次实测
- 模型
- DeepSeek-V4-Flash
- 量化方式
- UD-IQ2_XXS
- 框架
- llama.cpp
- 版本
- b10236
- 上下文长度
- 204800 tokens
- 批次大小
- 4096
- 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）
- 51.17 GB
- 系统
- Ubuntu 24.04.4 LTS
- 驱动
- 610.43.03
- CUDA
- 13.3
- 电源功耗
- 415 W
获取与上手
启动命令
最近一次实测使用的命令model=/models/deepseek-v4-flash-0731-gguf/UD-IQ2_XXS/DeepSeek-V4-Flash-0731-UD-IQ2_XXS-00001-of-00003.gguf offload=blk\.[0-9]+\.ffn_(gate|up|down)_exps\.weight=CPU threads=16 ubatch=4096 kv=q8_0 ngl=99 split=1,1来源与证据
共 1 条实测记录，逐条可回溯到原始出处
b10236 · Ubuntu 24.04.4 LTS · CUDA 13.3 · 204800 ctx
19.39 tok/s
Decode
692.41 tok/s
Prefill
0.12 s
TTFT
51.17 GB
VRAM
—
MTP
415 W
功耗
[bench] narrative run 1/5: 1000 tok in 52.7s (19.02 decode TPS, ttft 117ms) [bench] narrative run 2/5: 1000 tok in 52.9s (18.95 decode TPS, ttft 116ms) [bench] narrative run 3/5: 1000 tok in 52.2s (19.21 decode TPS, ttft 116ms) [bench] narrative run 4/5: 1000 tok in 49.9s (20.07 decode TPS, ttft 117ms) [bench] narrative run 5/5: 1000 tok in 50.9s (19.69 decode TPS, ttft 116ms)