Arao AI
返回搜索结果

DeepSeek-V4-Flash · UD-IQ2_XXS

发起讨论
4x NVIDIA RTX 309096GBllama.cpp club3090-moecache-e0a2089L0 自报

本页汇总 DeepSeek-V4-Flash（UD-IQ2_XXS）在 4x 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。

35.68 tok/s

Decode

解码速度

420.73 tok/s

Prefill

预填充速度

0.11 s

TTFT

首 token 延迟

87.16 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

  1. llama.cpp · UD-IQ2_XXS （当前）Decode 35.68 · Prefill 420.73 ·

核心数据

Decode（平均）
35.68 tok/s
Prefill（平均）
420.73 tok/s
TTFT（平均）
0.11 s
VRAM（平均）
87.16 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
量化方式
UD-IQ2_XXS
框架
llama.cpp
版本
club3090-moecache-e0a2089
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
4x NVIDIA RTX 3090
标称显存
96 GB
实测显存（均值）
87.16 GB
系统
Ubuntu 24.04.4 LTS
驱动
595.84
CUDA
13.2

获取与上手

本次部署权重下载

原始模型资料

以下为基础模型入口，不保证与本次量化版本一致；部署请使用上方已核实权重。

来源与证据

共 1 条实测记录，逐条可回溯到原始出处

  1. L0 自报GitHub原始链接 验证于 2026-09-27

    club3090-moecache-e0a2089 · Ubuntu 24.04.4 LTS · CUDA 13.2 · 204800 ctx

    35.68 tok/s

    Decode

    420.73 tok/s

    Prefill

    0.11 s

    TTFT

    87.16 GB

    VRAM

    —

    MTP

    — W

    功耗

    4×3090 +3975WX/251GiB RAM，DeepSeek-V4-Flash-0731 IQ2_XXS、专家CPU卸载。narrative均值35.68t/s、短prompt TTFT111ms；9980tok prefill420.73t/s；同次bench峰值89250MiB≈87.16GiB。各卡250W功率限制；591.93W只是末尾瞬时总和，已置空。