返回搜索结果
Llama-3.1-8B-Instruct · Q8_0
NVIDIA RTX 309024GBvLLM v0.54L2 跨框架验证
本页汇总 Llama-3.1-8B-Instruct（Q8_0）在 NVIDIA RTX 3090 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。
64.44 tok/s
Decode
解码速度
290.44 tok/s
Prefill
预填充速度
1.31 s
TTFT
首 token 延迟
21.42 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
16 天前
最后验证
性能表现
- vLLM · Q8_0 （当前）Decode 64.44 · Prefill 290.44 ·
- Ollama · IQ3_XS Decode 101.05 · Prefill 370.05 ·
- llama.cpp · IQ3_XS Decode 111.47 · Prefill 506.1 ·
- llama.cpp · Q4_K_M Decode 116.04 · Prefill 765.01 ·
- Ollama · IQ2_XS 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）
- 64.44 tok/s
- Prefill（平均）
- 290.44 tok/s
- TTFT（平均）
- 1.31 s
- VRAM（平均）
- 21.42 GB
- MTP 接受率
- —
- TTFB
- 0.52 GB
- 功耗
- 325.8 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
- Q8_0
- 框架
- vLLM
- 版本
- v0.54
- 上下文长度
- 2048 tokens
- 批次大小
- 8
- GPU 层数
- 999
- 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）
- 21.42 GB
- 系统
- Windows 11 24H2
- 驱动
- 560.94
- CUDA
- 12.8
- 电源功耗
- 325.8 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.54 · Windows 11 24H2 · CUDA 12.8 · 2048 ctx
64.44 tok/s
Decode
290.44 tok/s
Prefill
1.31 s
TTFT
21.42 GB
VRAM
—
MTP
325.8 W
功耗
L2 batch seed 2026-10-19: vLLM on hw_id=2 running model_id=68 at Q8_0