返回搜索结果
Llama-3-8B-Instruct · Q5_K_M
NVIDIA RTX 309024GBStrata v0.33L2 跨框架验证
本页汇总 Llama-3-8B-Instruct（Q5_K_M）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。
101.92 tok/s
Decode
解码速度
340.28 tok/s
Prefill
预填充速度
1.15 s
TTFT
首 token 延迟
17.72 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
- Ollama · Q5_K_S Decode 67.97 · Prefill 263.38 ·
- Strata · IQ3_S Decode 155.86 · Prefill 503.14 ·
- Strata · Q5_K_M （当前）Decode 101.92 · Prefill 340.28 ·
- Ollama · IQ3_S Decode 90.89 · Prefill 298.18 ·
- Ollama · Q4_K_M Decode 84.07 · Prefill 419.77 ·
- Strata · IQ4_XS Decode 126.45 · Prefill 522.82 ·
- Strata · Q3_K_M Decode 136.06 · Prefill 696.33 ·
- llama.cpp · Q8_0 Decode 84.9 · Prefill 636.8 ·
- llama.cpp · Q5_K_M Decode 123.7 · Prefill 927.8 ·
- llama.cpp · Q4_K_M Decode 149 · Prefill 1117.5 ·
核心数据
- Decode（平均）
- 101.92 tok/s
- Prefill（平均）
- 340.28 tok/s
- TTFT（平均）
- 1.15 s
- VRAM（平均）
- 17.72 GB
- MTP 接受率
- 0.72
- TTFB
- 0.82 GB
- 功耗
- 305.3 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
- Q5_K_M
- 框架
- Strata
- 版本
- v0.33
- 上下文长度
- 4096 tokens
- 批次大小
- 512
- GPU 层数
- 8
- 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）
- 17.72 GB
- 系统
- Windows 11 24H2
- 驱动
- 560.94
- CUDA
- 12.8
- 电源功耗
- 305.3 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.33 · Windows 11 24H2 · CUDA 12.8 · 4096 ctx
101.92 tok/s
Decode
340.28 tok/s
Prefill
1.15 s
TTFT
17.72 GB
VRAM
0.72
MTP
305.3 W
功耗
L2 batch seed 2026-10-19: Strata on hw_id=2 running model_id=69 at Q5_K_M