返回搜索结果
Llama-3.1-8B-Instruct · Q3_K_M
NVIDIA H2097GBllama.cpp v0.45L2 跨框架验证
本页汇总 Llama-3.1-8B-Instruct（Q3_K_M）在 NVIDIA H20 上以 llama.cpp 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。
65.35 tok/s
Decode
解码速度
226.54 tok/s
Prefill
预填充速度
1.18 s
TTFT
首 token 延迟
13.52 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
- llama.cpp · Q3_K_M （当前）Decode 65.35 · Prefill 226.54 ·
- Ollama · IQ3_S Decode 56.57 · Prefill 208.48 ·
- Ollama · Q5_K_M Decode 43.67 · Prefill 144.84 ·
核心数据
- Decode（平均）
- 65.35 tok/s
- Prefill（平均）
- 226.54 tok/s
- TTFT（平均）
- 1.18 s
- VRAM（平均）
- 13.52 GB
- MTP 接受率
- —
- TTFB
- 0.52 GB
- 功耗
- 351.5 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
- Q3_K_M
- 框架
- llama.cpp
- 版本
- v0.45
- 上下文长度
- 2048 tokens
- 批次大小
- 512
- GPU 层数
- 33
- 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 H20
- 标称显存
- 97 GB
- 实测显存（均值）
- 13.52 GB
- 系统
- Windows 11 24H2
- 驱动
- 560.94
- CUDA
- 12.6
- 电源功耗
- 351.5 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.45 · Windows 11 24H2 · CUDA 12.6 · 2048 ctx
65.35 tok/s
Decode
226.54 tok/s
Prefill
1.18 s
TTFT
13.52 GB
VRAM
—
MTP
351.5 W
功耗
L2 batch seed 2026-10-19: llama.cpp on hw_id=56 running model_id=68 at Q3_K_M