返回搜索结果
DeepSeek-V4-Flash · UD-IQ2_XXS
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
今天
最后验证
性能表现
- 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
- 591.93 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
- 批次大小
- 2048
- 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
- 电源功耗
- 591.93 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=32 ubatch=2048 kv=q8_0 ngl=99 split=1,1,1,1来源与证据
共 1 条实测记录，逐条可回溯到原始出处
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
591.93 W
功耗
[bench] narrative run 1/5: 1000 tok in 29.4s (34.11 decode TPS, ttft 121ms) [bench] narrative run 2/5: 1000 tok in 29.1s (34.46 decode TPS, ttft 109ms) [bench] narrative run 3/5: 1000 tok in 27.5s (36.46 decode TPS, ttft 113ms) [bench] narrative run 4/5: 1000 tok in 27.3s (36.81 decode TPS, ttft 107ms) [bench] narrative run 5/5: 1000 tok in 27.4s (36.58 decode TPS, ttft 105ms)