返回搜索结果
Llama-3-8B-Instruct · Q4_K_M
NVIDIA RTX 509032GBvLLM v0.44L2 跨框架验证
本页汇总 Llama-3-8B-Instruct（Q4_K_M）在 NVIDIA RTX 5090 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。
288.35 tok/s
Decode
解码速度
1,282.34 tok/s
Prefill
预填充速度
1.36 s
TTFT
首 token 延迟
15.88 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
17 天前
最后验证
性能表现
- vLLM · IQ3_XS Decode 353.35 · Prefill 1757.41 ·
- vLLM · Q4_K_M （当前）Decode 288.35 · Prefill 1282.34 ·
- Ollama · Q5_K_M 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）
- 288.35 tok/s
- Prefill（平均）
- 1,282.34 tok/s
- TTFT（平均）
- 1.36 s
- VRAM（平均）
- 15.88 GB
- MTP 接受率
- —
- TTFB
- 2.31 GB
- 功耗
- 387.6 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
- vLLM
- 版本
- v0.44
- 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 5090
- 标称显存
- 32 GB
- 实测显存（均值）
- 15.88 GB
- 系统
- Windows 11 23H2
- 驱动
- 565.57
- CUDA
- 12.4
- 电源功耗
- 387.6 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.44 · Windows 11 23H2 · CUDA 12.4 · 2048 ctx
288.35 tok/s
Decode
1,282.34 tok/s
Prefill
1.36 s
TTFT
15.88 GB
VRAM
—
MTP
387.6 W
功耗
L2 batch seed 2026-10-19: vLLM on hw_id=13 running model_id=69 at Q4_K_M