Arao AI
返回搜索结果

Llama-3.1-8B-Instruct · IQ3_XS

发起讨论
NVIDIA RTX 309024GBllama.cpp v0.52L2 跨框架验证

本页汇总 Llama-3.1-8B-Instruct（IQ3_XS）在 NVIDIA RTX 3090 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。

111.47 tok/s

Decode

解码速度

506.1 tok/s

Prefill

预填充速度

0.77 s

TTFT

首 token 延迟

12.52 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

今天

最后验证

性能表现

  1. llama.cpp · IQ3_XS （当前）Decode 111.47 · Prefill 506.1 ·
  2. llama.cpp · Q4_K_M Decode 116.04 · Prefill 765.01 ·
  3. Ollama · IQ2_XS Decode 106.45 · Prefill 486.76 ·
  4. llama.cpp · Q8_0 Decode 84.9 · Prefill 636.8 ·
  5. llama.cpp · Q5_K_M Decode 123.7 · Prefill 927.8 ·

核心数据

Decode（平均）
111.47 tok/s
Prefill（平均）
506.1 tok/s
TTFT（平均）
0.77 s
VRAM（平均）
12.52 GB
MTP 接受率
—
TTFB
0.89 GB
功耗
307.1 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_XS
框架
llama.cpp
版本
v0.52
上下文长度
2048 tokens
批次大小
512
GPU 层数
28
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）
12.52 GB
系统
Ubuntu 24.04
驱动
565.57
CUDA
12.8
电源功耗
307.1 W

来源与证据

共 1 条实测记录，逐条可回溯到原始出处

  1. L2 跨框架验证其他原始链接 验证于 2026-10-18

    v0.52 · Ubuntu 24.04 · CUDA 12.8 · 2048 ctx

    111.47 tok/s

    Decode

    506.1 tok/s

    Prefill

    0.77 s

    TTFT

    12.52 GB

    VRAM

    —

    MTP

    307.1 W

    功耗

    L2 batch seed 2026-10-18: llama.cpp on hw_id=2 running model_id=68 at IQ3_XS