返回搜索结果
Llama-3.1-8B-Instruct · IQ2_XS
NVIDIA RTX 3060 12GB12GBvLLM v0.48L2 跨框架验证
本页汇总 Llama-3.1-8B-Instruct（IQ2_XS）在 NVIDIA RTX 3060 12GB 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。
94.63 tok/s
Decode
解码速度
430.36 tok/s
Prefill
预填充速度
1.45 s
TTFT
首 token 延迟
10.16 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 Decode 72.47 · Prefill 300.81 ·
- vLLM · IQ2_XS （当前）Decode 94.63 · Prefill 430.36 ·
- vLLM · IQ2_M Decode 92.78 · Prefill 311.99 ·
核心数据
- Decode（平均）
- 94.63 tok/s
- Prefill（平均）
- 430.36 tok/s
- TTFT（平均）
- 1.45 s
- VRAM（平均）
- 10.16 GB
- MTP 接受率
- —
- TTFB
- 0.76 GB
- 功耗
- 167.7 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
- IQ2_XS
- 框架
- vLLM
- 版本
- v0.48
- 上下文长度
- 4096 tokens
- 批次大小
- 8
- GPU 层数
- 999
- 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 RTX 3060 12GB
- 标称显存
- 12 GB
- 实测显存（均值）
- 10.16 GB
- 系统
- Ubuntu 22.04
- 驱动
- 570.86
- CUDA
- 12.4
- 电源功耗
- 167.7 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.48 · Ubuntu 22.04 · CUDA 12.4 · 4096 ctx
94.63 tok/s
Decode
430.36 tok/s
Prefill
1.45 s
TTFT
10.16 GB
VRAM
—
MTP
167.7 W
功耗
L2 batch seed 2026-10-19: vLLM on hw_id=15 running model_id=68 at IQ2_XS