返回搜索结果
Llama-3.1-8B-Instruct · IQ3_S
NVIDIA RTX 3060 12GB12GBllama.cpp v0.33L2 跨框架验证
本页汇总 Llama-3.1-8B-Instruct（IQ3_S）在 NVIDIA RTX 3060 12GB 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。
72.47 tok/s
Decode
解码速度
300.81 tok/s
Prefill
预填充速度
0.6 s
TTFT
首 token 延迟
11.4 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 · IQ3_S （当前）Decode 72.47 · Prefill 300.81 ·
- vLLM · IQ2_XS Decode 94.63 · Prefill 430.36 ·
- vLLM · IQ2_M Decode 92.78 · Prefill 311.99 ·
核心数据
- Decode（平均）
- 72.47 tok/s
- Prefill（平均）
- 300.81 tok/s
- TTFT（平均）
- 0.6 s
- VRAM（平均）
- 11.4 GB
- MTP 接受率
- —
- TTFB
- 0.58 GB
- 功耗
- 158.7 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
- IQ3_S
- 框架
- llama.cpp
- 版本
- v0.33
- 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 RTX 3060 12GB
- 标称显存
- 12 GB
- 实测显存（均值）
- 11.4 GB
- 系统
- Windows 11 23H2
- 驱动
- 565.57
- CUDA
- 12.6
- 电源功耗
- 158.7 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.33 · Windows 11 23H2 · CUDA 12.6 · 2048 ctx
72.47 tok/s
Decode
300.81 tok/s
Prefill
0.6 s
TTFT
11.4 GB
VRAM
—
MTP
158.7 W
功耗
L2 batch seed 2026-10-19: llama.cpp on hw_id=15 running model_id=68 at IQ3_S