返回搜索结果
Llama-3-8B-Instruct · Q4_K_M
NVIDIA RTX 409024GBllama.cpp v0.27L2 跨框架验证
本页汇总 Llama-3-8B-Instruct(Q4_K_M)在 NVIDIA RTX 4090 上以 llama.cpp 运行的 2 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。
146.97 tok/s
Decode
解码速度
902.58 tok/s
Prefill
预填充速度
0.68 s
TTFT
首 token 延迟
10.64 GB
VRAM
显存占用
L2 跨框架验证
2
实测次数
1
独立来源
其他
来源平台
2026-10-18
最后验证
性能表现
- llama.cpp · Q5_K_S Decode 118.71 · Prefill 394.1 ·
- vLLM · IQ3_S Decode 177.41 · Prefill 791.84 ·
- vLLM · Q4_K_S Decode 157.4 · Prefill 646.64 ·
- llama.cpp · Q4_K_M (当前)Decode 146.97 · Prefill 902.58 ·
- llama.cpp · Q4_K_S Decode 134.4 · Prefill 594.59 ·
- Strata · Q2_K 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)
- 146.97 tok/s
- Prefill(平均)
- 902.58 tok/s
- TTFT(平均)
- 0.68 s
- VRAM(平均)
- 10.64 GB
- MTP 接受率
- —
- TTFB
- 1.07 GB
- 功耗
- 358.8 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
- Q4_K_M
- 框架
- llama.cpp
- 版本
- v0.27
- 上下文长度
- 8192 tokens
- 批次大小
- 512
- GPU 层数
- 99
- 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 4090
- 标称显存
- 24 GB
- 实测显存(均值)
- 10.64 GB
- 系统
- Windows 11 23H2
- 驱动
- 560.94
- CUDA
- 13.0
- 电源功耗
- 358.8 W
来源与证据
共 2 条实测记录,逐条可回溯到原始出处
v0.27 · Windows 11 23H2 · CUDA 13.0 · 8192 ctx
133.43 tok/s
Decode
601.35 tok/s
Prefill
1.28 s
TTFT
15.88 GB
VRAM
—
MTP
358.8 W
功耗
L2 batch seed 2026-10-18: llama.cpp on hw_id=1 running model_id=69 at Q4_K_M
b4200 · Linux · CUDA 12.6 · 4096 ctx
160.5 tok/s
Decode
1,203.8 tok/s
Prefill
0.08 s
TTFT
5.4 GB
VRAM
—
MTP
— W
功耗
L0 理论估算(add-1000-records-batch3)