Arao AI
返回搜索结果

Flint-40B-A2.5B · Q3_K_S

发起讨论
NVIDIA H2097GBOllama v0.37L2 跨框架验证

本页汇总 Flint-40B-A2.5B（Q3_K_S）在 NVIDIA H20 上以 Ollama 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。

104.76 tok/s

Decode

解码速度

539.82 tok/s

Prefill

预填充速度

0.94 s

TTFT

首 token 延迟

56.43 GB

VRAM

显存占用

L2 跨框架验证

1

实测次数

1

独立来源

其他

来源平台

14 天前

最后验证

性能表现

  1. vLLM · Q4_K_M Decode 94.37 · Prefill 330.77 ·
  2. vLLM · Q6_K Decode 79.46 · Prefill 372.23 ·
  3. Ollama · Q3_K_S （当前）Decode 104.76 · Prefill 539.82 ·

核心数据

Decode（平均）
104.76 tok/s
Prefill（平均）
539.82 tok/s
TTFT（平均）
0.94 s
VRAM（平均）
56.43 GB
MTP 接受率
—
TTFB
0.84 GB
功耗
382.4 W

基础配置

成员级字段取自最近一次实测

模型
Flint-40B-A2.5B
量化方式
Q3_K_S
框架
Ollama
版本
v0.37
上下文长度
32768 tokens
批次大小
512
GPU 层数
33
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 H20
标称显存
97 GB
实测显存（均值）
56.43 GB
系统
Windows 11 23H2
驱动
565.57
CUDA
12.6
电源功耗
382.4 W

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. L2 跨框架验证其他原始链接 验证于 2026-10-22

    v0.37 · Windows 11 23H2 · CUDA 12.6 · 32768 ctx

    104.76 tok/s

    Decode

    539.82 tok/s

    Prefill

    0.94 s

    TTFT

    56.43 GB

    VRAM

    —

    MTP

    382.4 W

    功耗

    L2 batch seed 2026-10-22: Ollama on hw_id=56 running model_id=92 at Q3_K_S