Arao AI
返回搜索结果

Llama-3-8B-Instruct · IQ4_XS

发起讨论
NVIDIA RTX 309024GBStrata v0.45L2 跨框架验证

本页汇总 Llama-3-8B-Instruct（IQ4_XS）在 NVIDIA RTX 3090 上以 Strata 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。

126.45 tok/s

Decode

解码速度

522.82 tok/s

Prefill

预填充速度

2.07 s

TTFT

首 token 延迟

14.53 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

今天

最后验证

性能表现

  1. Ollama · IQ3_S Decode 90.89 · Prefill 298.18 ·
  2. Ollama · Q4_K_M Decode 84.07 · Prefill 419.77 ·
  3. Strata · IQ4_XS （当前）Decode 126.45 · Prefill 522.82 ·
  4. Strata · Q3_K_M Decode 136.06 · Prefill 696.33 ·
  5. llama.cpp · Q8_0 Decode 84.9 · Prefill 636.8 ·
  6. llama.cpp · Q5_K_M Decode 123.7 · Prefill 927.8 ·
  7. llama.cpp · Q4_K_M Decode 149 · Prefill 1117.5 ·

核心数据

Decode（平均）
126.45 tok/s
Prefill（平均）
522.82 tok/s
TTFT（平均）
2.07 s
VRAM（平均）
14.53 GB
MTP 接受率
0.57
TTFB
1.01 GB
功耗
304.7 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
IQ4_XS
框架
Strata
版本
v0.45
上下文长度
4096 tokens
批次大小
512
GPU 层数
15
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 3090
标称显存
24 GB
实测显存（均值）
14.53 GB
系统
Windows 11 24H2
驱动
565.57
CUDA
13.0
电源功耗
304.7 W

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 2026-10-18

    v0.45 · Windows 11 24H2 · CUDA 13.0 · 4096 ctx

    126.45 tok/s

    Decode

    522.82 tok/s

    Prefill

    2.07 s

    TTFT

    14.53 GB

    VRAM

    0.57

    MTP

    304.7 W

    功耗

    L2 batch seed 2026-10-18: Strata on hw_id=2 running model_id=69 at IQ4_XS