返回搜索结果
Llama-3-8B-Instruct · Q5_K_M
NVIDIA RTX 508016GBvLLM v0.37L2 跨框架验证
本页汇总 Llama-3-8B-Instruct（Q5_K_M）在 NVIDIA RTX 5080 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。
163.66 tok/s
Decode
解码速度
702.95 tok/s
Prefill
预填充速度
1.57 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 · Q5_K_M （当前）Decode 163.66 · Prefill 702.95 ·
- Ollama · Q3_K_S Decode 209.77 · Prefill 751.17 ·
核心数据
- Decode（平均）
- 163.66 tok/s
- Prefill（平均）
- 702.95 tok/s
- TTFT（平均）
- 1.57 s
- VRAM（平均）
- 15.2 GB
- MTP 接受率
- —
- TTFB
- 1.31 GB
- 功耗
- 244.5 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_M
- 框架
- vLLM
- 版本
- v0.37
- 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 5080
- 标称显存
- 16 GB
- 实测显存（均值）
- 15.2 GB
- 系统
- Ubuntu 24.04
- 驱动
- 570.86
- CUDA
- 13.0
- 电源功耗
- 244.5 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.37 · Ubuntu 24.04 · CUDA 13.0 · 4096 ctx
163.66 tok/s
Decode
702.95 tok/s
Prefill
1.57 s
TTFT
15.2 GB
VRAM
—
MTP
244.5 W
功耗
L2 batch seed 2026-10-18: vLLM on hw_id=14 running model_id=69 at Q5_K_M