返回搜索结果
Llama-3.1-8B-Instruct · IQ2_M
NVIDIA RTX 4080 Super16GBvLLM v0.21L2 跨框架验证
本页汇总 Llama-3.1-8B-Instruct（IQ2_M）在 NVIDIA RTX 4080 Super 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。
224.52 tok/s
Decode
解码速度
1,147.46 tok/s
Prefill
预填充速度
0.45 s
TTFT
首 token 延迟
10.84 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
- vLLM · IQ2_M （当前）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）
- 224.52 tok/s
- Prefill（平均）
- 1,147.46 tok/s
- TTFT（平均）
- 0.45 s
- VRAM（平均）
- 10.84 GB
- MTP 接受率
- —
- TTFB
- 1.8 GB
- 功耗
- 290.5 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_M
- 框架
- vLLM
- 版本
- v0.21
- 上下文长度
- 8192 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 4080 Super
- 标称显存
- 16 GB
- 实测显存（均值）
- 10.84 GB
- 系统
- Ubuntu 24.04
- 驱动
- 570.86
- CUDA
- 12.4
- 电源功耗
- 290.5 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.21 · Ubuntu 24.04 · CUDA 12.4 · 8192 ctx
224.52 tok/s
Decode
1,147.46 tok/s
Prefill
0.45 s
TTFT
10.84 GB
VRAM
—
MTP
290.5 W
功耗
L2 batch seed 2026-10-18: vLLM on hw_id=20 running model_id=68 at IQ2_M