返回搜索结果
Llama-3-8B-Instruct · Q2_K
NVIDIA RTX 5070 Ti16GBvLLM v0.53L2 跨框架验证
本页汇总 Llama-3-8B-Instruct（Q2_K）在 NVIDIA RTX 5070 Ti 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。
145.89 tok/s
Decode
解码速度
573.9 tok/s
Prefill
预填充速度
1.5 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
- vLLM · Q2_K （当前）Decode 145.89 · Prefill 573.9 ·
- Strata · IQ3_S Decode 180.15 · Prefill 920.56 ·
核心数据
- Decode（平均）
- 145.89 tok/s
- Prefill（平均）
- 573.9 tok/s
- TTFT（平均）
- 1.5 s
- VRAM（平均）
- 11.34 GB
- MTP 接受率
- —
- TTFB
- 1.17 GB
- 功耗
- 270.8 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
- vLLM
- 版本
- v0.53
- 上下文长度
- 2048 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 5070 Ti
- 标称显存
- 16 GB
- 实测显存（均值）
- 11.34 GB
- 系统
- Windows 11 23H2
- 驱动
- 560.94
- CUDA
- 13.0
- 电源功耗
- 270.8 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.53 · Windows 11 23H2 · CUDA 13.0 · 2048 ctx
145.89 tok/s
Decode
573.9 tok/s
Prefill
1.5 s
TTFT
11.34 GB
VRAM
—
MTP
270.8 W
功耗
L2 batch seed 2026-10-18: vLLM on hw_id=17 running model_id=69 at Q2_K