Arao AI
返回搜索结果

DeepSeek-V4.1-Flash · IQ3_S

发起讨论
NVIDIA RTX 5070 Ti16GBllama.cpp b4200L0 自报

本页汇总 DeepSeek-V4.1-Flash（IQ3_S）在 NVIDIA RTX 5070 Ti 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。

2.3 tok/s

Decode

解码速度

17.3 tok/s

Prefill

预填充速度

5.78 s

TTFT

首 token 延迟

16 GB

VRAM

显存占用

L0 自报

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

  1. llama.cpp · IQ2_XS Decode 2.7 · Prefill 20.3 ·
  2. llama.cpp · IQ3_S （当前）Decode 2.3 · Prefill 17.3 ·
  3. vLLM · IQ2_XS Decode 3 · Prefill 22.5 ·
  4. vLLM · IQ3_S Decode 2.5 · Prefill 18.8 ·

核心数据

Decode（平均）
2.3 tok/s
Prefill（平均）
17.3 tok/s
TTFT（平均）
5.78 s
VRAM（平均）
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-V4.1-Flash
量化方式
IQ3_S
框架
llama.cpp
版本
b4200
上下文长度
4096 tokens
批次大小
512
GPU 层数
99
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 5070 Ti
标称显存
16 GB
实测显存（均值）
16 GB
系统
Linux
驱动
570.65
CUDA
12.6

获取与上手

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 自报其他原始链接 验证于 2026-10-06

    b4200 · Linux · CUDA 12.6 · 4096 ctx

    2.3 tok/s

    Decode

    17.3 tok/s

    Prefill

    5.78 s

    TTFT

    16 GB

    VRAM

    —

    MTP

    — W

    功耗

    L0 理论估算（add-500-records-batch2）