返回搜索结果
Llama-3-8B-Instruct · Q3_K_S
NVIDIA RTX 4080 Super16GBvLLM v0.25L2 跨框架验证
本页汇总 Llama-3-8B-Instruct（Q3_K_S）在 NVIDIA RTX 4080 Super 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。
189.4 tok/s
Decode
解码速度
632.63 tok/s
Prefill
预填充速度
1.7 s
TTFT
首 token 延迟
13.02 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
- vLLM · Q3_K_S （当前）Decode 189.4 · Prefill 632.63 ·
- Ollama · IQ1_S Decode 212.31 · Prefill 982.11 ·
- Ollama · IQ3_XS Decode 184.92 · Prefill 617.23 ·
核心数据
- Decode（平均）
- 189.4 tok/s
- Prefill（平均）
- 632.63 tok/s
- TTFT（平均）
- 1.7 s
- VRAM（平均）
- 13.02 GB
- MTP 接受率
- —
- TTFB
- 1.52 GB
- 功耗
- 253.8 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
- Q3_K_S
- 框架
- vLLM
- 版本
- v0.25
- 上下文长度
- 32768 tokens
- 批次大小
- 8
- 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 RTX 4080 Super
- 标称显存
- 16 GB
- 实测显存（均值）
- 13.02 GB
- 系统
- Ubuntu 24.04
- 驱动
- 570.86
- CUDA
- 12.8
- 电源功耗
- 253.8 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.25 · Ubuntu 24.04 · CUDA 12.8 · 32768 ctx
189.4 tok/s
Decode
632.63 tok/s
Prefill
1.7 s
TTFT
13.02 GB
VRAM
—
MTP
253.8 W
功耗
L2 batch seed 2026-10-18: vLLM on hw_id=20 running model_id=69 at Q3_K_S