返回搜索结果
Llama-3.1-8B-Instruct · Q5_K_M
NVIDIA H100 80GB HBM380GBStrata v0.53L2 跨框架验证
本页汇总 Llama-3.1-8B-Instruct（Q5_K_M）在 NVIDIA H100 80GB HBM3 上以 Strata 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。
362.58 tok/s
Decode
解码速度
1,954.02 tok/s
Prefill
预填充速度
0.71 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
- llama.cpp · IQ1_S Decode 337.53 · Prefill 1795.74 ·
- llama.cpp · Q4_K_S Decode 314.55 · Prefill 1364.71 ·
- Strata · Q5_K_M （当前）Decode 362.58 · Prefill 1954.02 ·
核心数据
- Decode（平均）
- 362.58 tok/s
- Prefill（平均）
- 1,954.02 tok/s
- TTFT（平均）
- 0.71 s
- VRAM（平均）
- 17.72 GB
- MTP 接受率
- 0.57
- TTFB
- 2.9 GB
- 功耗
- 667 W
基础配置
成员级字段取自最近一次实测
- 模型
- Llama-3.1-8B-Instruct
- 量化方式
- Q5_K_M
- 框架
- Strata
- 版本
- v0.53
- 上下文长度
- 16384 tokens
- 批次大小
- 512
- GPU 层数
- 8
- Flash Attention
- 关闭
硬件信息
标称与实测并排陈列，能否运行由读者自判
- GPU
- NVIDIA H100 80GB HBM3
- 标称显存
- 80 GB
- 实测显存（均值）
- 17.72 GB
- 系统
- Ubuntu 24.04
- 驱动
- 560.94
- CUDA
- 13.0
- 电源功耗
- 667 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 · Ubuntu 24.04 · CUDA 13.0 · 16384 ctx
362.58 tok/s
Decode
1,954.02 tok/s
Prefill
0.71 s
TTFT
17.72 GB
VRAM
0.57
MTP
667 W
功耗
L2 batch seed 2026-10-19: Strata on hw_id=55 running model_id=68 at Q5_K_M