返回搜索结果
Llama-3.1-8B-Instruct · Q3_K_M
NVIDIA RTX 4080 Super16GBllama.cpp v0.52L2 跨框架验证
本页汇总 Llama-3.1-8B-Instruct（Q3_K_M）在 NVIDIA RTX 4080 Super 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。
201.4 tok/s
Decode
解码速度
1,061.69 tok/s
Prefill
预填充速度
1.81 s
TTFT
首 token 延迟
13.52 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
16 天前
最后验证
性能表现
- llama.cpp · Q3_K_M （当前）Decode 201.4 · Prefill 1061.69 ·
- Strata · IQ2_XS Decode 307.75 · Prefill 1104.97 ·
- Strata · Q5_K_M Decode 179.72 · Prefill 584.63 ·
- vLLM · IQ2_M Decode 224.52 · Prefill 1147.46 ·
- vLLM · Q3_K_L Decode 177.01 · Prefill 908.47 ·
- Ollama · IQ2_M Decode 204.79 · Prefill 1109.54 ·
核心数据
- Decode（平均）
- 201.4 tok/s
- Prefill（平均）
- 1,061.69 tok/s
- TTFT（平均）
- 1.81 s
- VRAM（平均）
- 13.52 GB
- MTP 接受率
- —
- TTFB
- 1.61 GB
- 功耗
- 303.4 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
- Q3_K_M
- 框架
- llama.cpp
- 版本
- v0.52
- 上下文长度
- 2048 tokens
- 批次大小
- 512
- GPU 层数
- 20
- 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 4080 Super
- 标称显存
- 16 GB
- 实测显存（均值）
- 13.52 GB
- 系统
- Ubuntu 24.04
- 驱动
- 560.94
- CUDA
- 12.8
- 电源功耗
- 303.4 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.52 · Ubuntu 24.04 · CUDA 12.8 · 2048 ctx
201.4 tok/s
Decode
1,061.69 tok/s
Prefill
1.81 s
TTFT
13.52 GB
VRAM
—
MTP
303.4 W
功耗
L2 batch seed 2026-10-19: llama.cpp on hw_id=20 running model_id=68 at Q3_K_M