Arao AI
返回搜索结果

Llama-3-8B-Instruct · Q2_K

发起讨论
NVIDIA RTX 507012GBvLLM v0.47L2 跨框架验证

本页汇总 Llama-3-8B-Instruct（Q2_K）在 NVIDIA RTX 5070 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。

123.84 tok/s

Decode

解码速度

585.88 tok/s

Prefill

预填充速度

2.04 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

  1. vLLM · Q2_K （当前）Decode 123.84 · Prefill 585.88 ·
  2. llama.cpp · Q8_0 Decode 60.9 · Prefill 456.8 ·
  3. llama.cpp · Q5_K_M Decode 88.8 · Prefill 666 ·
  4. llama.cpp · Q4_K_M Decode 107 · Prefill 802.5 ·

核心数据

Decode（平均）
123.84 tok/s
Prefill（平均）
585.88 tok/s
TTFT（平均）
2.04 s
VRAM（平均）
11.34 GB
MTP 接受率
—
TTFB
0.99 GB
功耗
202.3 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
v0.47
上下文长度
4096 tokens
批次大小
16
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
标称显存
12 GB
实测显存（均值）
11.34 GB
系统
Ubuntu 24.04
驱动
565.57
CUDA
12.4
电源功耗
202.3 W

来源与证据

共 1 条实测记录，逐条可回溯到原始出处

  1. L2 跨框架验证其他原始链接 验证于 2026-10-18

    v0.47 · Ubuntu 24.04 · CUDA 12.4 · 4096 ctx

    123.84 tok/s

    Decode

    585.88 tok/s

    Prefill

    2.04 s

    TTFT

    11.34 GB

    VRAM

    —

    MTP

    202.3 W

    功耗

    L2 batch seed 2026-10-18: vLLM on hw_id=18 running model_id=69 at Q2_K