返回搜索结果
Llama 5 70B · IQ3_S
NVIDIA RTX 509032GBvLLM 0.7.3L0 自报
本页汇总 Llama 5 70B（IQ3_S）在 NVIDIA RTX 5090 上以 vLLM 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。
53.6 tok/s
Decode
解码速度
402 tok/s
Prefill
预填充速度
0.25 s
TTFT
首 token 延迟
28.9 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
- vLLM · IQ3_S （当前）Decode 53.6 · Prefill 402 ·
- vLLM · IQ4_XS Decode 40.3 · Prefill 302.3 ·
- vLLM · Q6_K Decode 24.8 · Prefill 186 ·
- vLLM · Q5_K_M Decode 29.3 · Prefill 219.8 ·
- llama.cpp · IQ3_S Decode 49.2 · Prefill 369 ·
- llama.cpp · IQ4_XS Decode 37 · Prefill 277.5 ·
- llama.cpp · Q6_K Decode 22.8 · Prefill 171 ·
- llama.cpp · Q5_K_M Decode 26.9 · Prefill 201.8 ·
- vLLM · Q4_K_M Decode 35.8 · Prefill 268.5 ·
核心数据
- Decode（平均）
- 53.6 tok/s
- Prefill（平均）
- 402 tok/s
- TTFT（平均）
- 0.25 s
- VRAM（平均）
- 28.9 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
- Llama 5 70B
- 量化方式
- IQ3_S
- 框架
- vLLM
- 版本
- 0.7.3
- 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 5090
- 标称显存
- 32 GB
- 实测显存（均值）
- 28.9 GB
- 系统
- Linux
- 驱动
- 570.65
- CUDA
- 12.6
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
0.7.3 · Linux · CUDA 12.6 · 4096 ctx
53.6 tok/s
Decode
402 tok/s
Prefill
0.25 s
TTFT
28.9 GB
VRAM
—
MTP
— W
功耗
L0 理论估算（add-1000-records-batch3）