返回搜索结果
Llama-3.1-8B-Instruct · IQ4_XS
NVIDIA RTX 408016GBStrata v0.29L2 跨框架验证
本页汇总 Llama-3.1-8B-Instruct（IQ4_XS）在 NVIDIA RTX 4080 上以 Strata 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。
248.44 tok/s
Decode
解码速度
973.3 tok/s
Prefill
预填充速度
0.73 s
TTFT
首 token 延迟
14.53 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
- llama.cpp · Q3_K_L Decode 160.83 · Prefill 637.28 ·
- Strata · IQ4_XS （当前）Decode 248.44 · Prefill 973.3 ·
- Strata · Q3_K_M Decode 238.79 · Prefill 1287.02 ·
核心数据
- Decode（平均）
- 248.44 tok/s
- Prefill（平均）
- 973.3 tok/s
- TTFT（平均）
- 0.73 s
- VRAM（平均）
- 14.53 GB
- MTP 接受率
- 0.76
- TTFB
- 1.99 GB
- 功耗
- 294.1 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
- IQ4_XS
- 框架
- Strata
- 版本
- v0.29
- 上下文长度
- 16384 tokens
- 批次大小
- 1024
- GPU 层数
- 8
- 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
- 标称显存
- 16 GB
- 实测显存（均值）
- 14.53 GB
- 系统
- Windows 11 23H2
- 驱动
- 560.94
- CUDA
- 12.4
- 电源功耗
- 294.1 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.29 · Windows 11 23H2 · CUDA 12.4 · 16384 ctx
248.44 tok/s
Decode
973.3 tok/s
Prefill
0.73 s
TTFT
14.53 GB
VRAM
0.76
MTP
294.1 W
功耗
L2 batch seed 2026-10-18: Strata on hw_id=41 running model_id=68 at IQ4_XS