返回搜索结果
Llama-3-8B-Instruct · Q5_K_S
NVIDIA RTX 408016GBvLLM v0.51L2 跨框架验证
本页汇总 Llama-3-8B-Instruct（Q5_K_S）在 NVIDIA RTX 4080 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。
132.58 tok/s
Decode
解码速度
716.19 tok/s
Prefill
预填充速度
2.4 s
TTFT
首 token 延迟
15.2 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 · IQ3_XS Decode 205.69 · Prefill 981.9 ·
- vLLM · Q5_K_S （当前）Decode 132.58 · Prefill 716.19 ·
- Strata · Q3_K_M Decode 260.87 · Prefill 961.11 ·
核心数据
- Decode（平均）
- 132.58 tok/s
- Prefill（平均）
- 716.19 tok/s
- TTFT（平均）
- 2.4 s
- VRAM（平均）
- 15.2 GB
- MTP 接受率
- —
- TTFB
- 1.06 GB
- 功耗
- 301 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_S
- 框架
- vLLM
- 版本
- v0.51
- 上下文长度
- 32768 tokens
- 批次大小
- 16
- GPU 层数
- 999
- Flash Attention
- 关闭
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
- 标称显存
- 16 GB
- 实测显存（均值）
- 15.2 GB
- 系统
- Windows 11 24H2
- 驱动
- 560.94
- CUDA
- 13.0
- 电源功耗
- 301 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.51 · Windows 11 24H2 · CUDA 13.0 · 32768 ctx
132.58 tok/s
Decode
716.19 tok/s
Prefill
2.4 s
TTFT
15.2 GB
VRAM
—
MTP
301 W
功耗
L2 batch seed 2026-10-18: vLLM on hw_id=41 running model_id=69 at Q5_K_S