返回搜索结果
Llama-3-8B-Instruct · Q5_K_M
NVIDIA RTX 509032GBOllama v0.31L2 跨框架验证
本页汇总 Llama-3-8B-Instruct（Q5_K_M）在 NVIDIA RTX 5090 上以 Ollama 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。
226.28 tok/s
Decode
解码速度
869.25 tok/s
Prefill
预填充速度
0.43 s
TTFT
首 token 延迟
17.72 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
16 天前
最后验证
性能表现
- vLLM · IQ3_XS Decode 353.35 · Prefill 1757.41 ·
- vLLM · Q4_K_M Decode 288.35 · Prefill 1282.34 ·
- Ollama · Q5_K_M （当前）Decode 226.28 · Prefill 869.25 ·
- llama.cpp · IQ3_S Decode 315.36 · Prefill 1020.61 ·
- llama.cpp · Q8_0 Decode 162.5 · Prefill 1218.8 ·
- llama.cpp · Q5_K_M Decode 236.9 · Prefill 1776.8 ·
- llama.cpp · Q4_K_M Decode 285.3 · Prefill 2139.8 ·
核心数据
- Decode（平均）
- 226.28 tok/s
- Prefill（平均）
- 869.25 tok/s
- TTFT（平均）
- 0.43 s
- VRAM（平均）
- 17.72 GB
- MTP 接受率
- —
- TTFB
- 1.81 GB
- 功耗
- 431.8 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
- Q5_K_M
- 框架
- Ollama
- 版本
- v0.31
- 上下文长度
- 16384 tokens
- 批次大小
- 512
- GPU 层数
- 28
- 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 5090
- 标称显存
- 32 GB
- 实测显存（均值）
- 17.72 GB
- 系统
- Windows 11 24H2
- 驱动
- 572.83
- CUDA
- 12.4
- 电源功耗
- 431.8 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 12.4 · 16384 ctx
226.28 tok/s
Decode
869.25 tok/s
Prefill
0.43 s
TTFT
17.72 GB
VRAM
—
MTP
431.8 W
功耗
L2 batch seed 2026-10-19: Ollama on hw_id=13 running model_id=69 at Q5_K_M