返回搜索结果
Llama-3.1-8B-Instruct · Q5_K_M
NVIDIA RTX 4060 Ti 16GB16GBllama.cpp b4602L1 已复现
本页汇总 Llama-3.1-8B-Instruct（Q5_K_M）在 NVIDIA RTX 4060 Ti 16GB 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。
33.8 tok/s
Decode
解码速度
620.4 tok/s
Prefill
预填充速度
0.41 s
TTFT
首 token 延迟
6.2 GB
VRAM
显存占用
L1 已复现
1
实测次数
1
独立来源
GitHub
来源平台
2026-08-05
最后验证
性能表现
- llama.cpp · Q5_K_M （当前）Decode 33.8 · Prefill 620.4 ·
核心数据
- Decode（平均）
- 33.8 tok/s
- Prefill（平均）
- 620.4 tok/s
- TTFT（平均）
- 0.41 s
- VRAM（平均）
- 6.2 GB
- MTP 接受率
- —
- TTFB
- — GB
- 功耗
- 142.7 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
- Q5_K_M
- 框架
- llama.cpp
- 版本
- b4602
- 上下文长度
- 8192 tokens
- 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 4060 Ti 16GB
- 标称显存
- 16 GB
- 实测显存（均值）
- 6.2 GB
- 系统
- Windows 11 24H2
- 驱动
- 552.22
- CUDA
- 12.4
- 电源功耗
- 142.7 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
b4602 · Windows 11 24H2 · CUDA 12.4 · 8192 ctx
33.8 tok/s
Decode
620.4 tok/s
Prefill
0.41 s
TTFT
6.2 GB
VRAM
—
MTP
142.7 W
功耗
8B Q5_K_M 在 4060 Ti 16G 上约 34 tok/s。