返回搜索结果
Llama-3.1-8B-Instruct · IQ2_XS
NVIDIA RTX 309024GBOllama v0.34L2 跨框架验证
本页汇总 Llama-3.1-8B-Instruct（IQ2_XS）在 NVIDIA RTX 3090 上以 Ollama 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。
106.45 tok/s
Decode
解码速度
486.76 tok/s
Prefill
预填充速度
0.8 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
今天
最后验证
性能表现
- llama.cpp · IQ3_XS Decode 111.47 · Prefill 506.1 ·
- llama.cpp · Q4_K_M Decode 116.04 · Prefill 765.01 ·
- Ollama · IQ2_XS （当前）Decode 106.45 · Prefill 486.76 ·
- llama.cpp · Q8_0 Decode 84.9 · Prefill 636.8 ·
- llama.cpp · Q5_K_M Decode 123.7 · Prefill 927.8 ·
核心数据
- Decode（平均）
- 106.45 tok/s
- Prefill（平均）
- 486.76 tok/s
- TTFT（平均）
- 0.8 s
- VRAM（平均）
- 10.16 GB
- MTP 接受率
- —
- TTFB
- 0.85 GB
- 功耗
- 285.9 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
- Ollama
- 版本
- v0.34
- 上下文长度
- 4096 tokens
- 批次大小
- 512
- GPU 层数
- 99
- 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 3090
- 标称显存
- 24 GB
- 实测显存（均值）
- 10.16 GB
- 系统
- Ubuntu 24.04
- 驱动
- 570.86
- CUDA
- 13.0
- 电源功耗
- 285.9 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.34 · Ubuntu 24.04 · CUDA 13.0 · 4096 ctx
106.45 tok/s
Decode
486.76 tok/s
Prefill
0.8 s
TTFT
10.16 GB
VRAM
—
MTP
285.9 W
功耗
L2 batch seed 2026-10-18: Ollama on hw_id=2 running model_id=68 at IQ2_XS