返回搜索结果
Llama-3-8B-Instruct · Q2_K
NVIDIA RTX 409024GBStrata v0.31L2 跨框架验证
本页汇总 Llama-3-8B-Instruct（Q2_K）在 NVIDIA RTX 4090 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。
254.93 tok/s
Decode
解码速度
1,284 tok/s
Prefill
预填充速度
1.32 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
今天
最后验证
性能表现
- llama.cpp · Q4_K_M Decode 146.97 · Prefill 902.58 ·
- llama.cpp · Q4_K_S Decode 134.4 · Prefill 594.59 ·
- Strata · Q2_K （当前）Decode 254.93 · Prefill 1284 ·
- llama.cpp · Q8_0 Decode 91.4 · Prefill 685.5 ·
- llama.cpp · Q5_K_M Decode 133.3 · Prefill 999.8 ·
核心数据
- Decode（平均）
- 254.93 tok/s
- Prefill（平均）
- 1,284 tok/s
- TTFT（平均）
- 1.32 s
- VRAM（平均）
- 11.34 GB
- MTP 接受率
- 0.56
- TTFB
- 2.04 GB
- 功耗
- 331.8 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
- Strata
- 版本
- v0.31
- 上下文长度
- 2048 tokens
- 批次大小
- 1024
- 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 4090
- 标称显存
- 24 GB
- 实测显存（均值）
- 11.34 GB
- 系统
- Windows 11 24H2
- 驱动
- 560.94
- CUDA
- 12.8
- 电源功耗
- 331.8 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.31 · Windows 11 24H2 · CUDA 12.8 · 2048 ctx
254.93 tok/s
Decode
1,284 tok/s
Prefill
1.32 s
TTFT
11.34 GB
VRAM
0.56
MTP
331.8 W
功耗
L2 batch seed 2026-10-18: Strata on hw_id=1 running model_id=69 at Q2_K