返回搜索结果
Llama-3-8B-Instruct · Q2_K
NVIDIA H2097GBvLLM v0.27L2 跨框架验证
本页汇总 Llama-3-8B-Instruct（Q2_K）在 NVIDIA H20 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。
77.65 tok/s
Decode
解码速度
286.25 tok/s
Prefill
预填充速度
0.36 s
TTFT
首 token 延迟
11.34 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
17 天前
最后验证
性能表现
- vLLM · Q2_K （当前）Decode 77.65 · Prefill 286.25 ·
- Ollama · Q5_K_M Decode 41.54 · Prefill 137.1 ·
- Ollama · Q8_0 Decode 36.49 · Prefill 129.53 ·
核心数据
- Decode（平均）
- 77.65 tok/s
- Prefill（平均）
- 286.25 tok/s
- TTFT（平均）
- 0.36 s
- VRAM（平均）
- 11.34 GB
- MTP 接受率
- —
- TTFB
- 0.62 GB
- 功耗
- 312.8 W
基础配置
成员级字段取自最近一次实测
- 模型
- Llama-3-8B-Instruct
- 量化方式
- Q2_K
- 框架
- vLLM
- 版本
- v0.27
- 上下文长度
- 2048 tokens
- 批次大小
- 16
- GPU 层数
- 999
- 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）
- 11.34 GB
- 系统
- Ubuntu 24.04
- 驱动
- 570.86
- CUDA
- 12.4
- 电源功耗
- 312.8 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.27 · Ubuntu 24.04 · CUDA 12.4 · 2048 ctx
77.65 tok/s
Decode
286.25 tok/s
Prefill
0.36 s
TTFT
11.34 GB
VRAM
—
MTP
312.8 W
功耗
L2 batch seed 2026-10-19: vLLM on hw_id=56 running model_id=69 at Q2_K