返回搜索结果
Llama-3.1-8B-Instruct · Q3_K_L
NVIDIA RTX 408016GBllama.cpp v0.33L2 跨框架验证
本页汇总 Llama-3.1-8B-Instruct（Q3_K_L）在 NVIDIA RTX 4080 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。
160.83 tok/s
Decode
解码速度
637.28 tok/s
Prefill
预填充速度
0.78 s
TTFT
首 token 延迟
14.2 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 （当前）Decode 160.83 · Prefill 637.28 ·
- Strata · IQ4_XS Decode 248.44 · Prefill 973.3 ·
- Strata · Q3_K_M Decode 238.79 · Prefill 1287.02 ·
核心数据
- Decode（平均）
- 160.83 tok/s
- Prefill（平均）
- 637.28 tok/s
- TTFT（平均）
- 0.78 s
- VRAM（平均）
- 14.2 GB
- MTP 接受率
- —
- TTFB
- 1.29 GB
- 功耗
- 298.8 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
- Q3_K_L
- 框架
- llama.cpp
- 版本
- v0.33
- 上下文长度
- 2048 tokens
- 批次大小
- 256
- GPU 层数
- 20
- Flash Attention
- 关闭
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）
- 14.2 GB
- 系统
- Ubuntu 22.04
- 驱动
- 572.83
- CUDA
- 12.4
- 电源功耗
- 298.8 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.33 · Ubuntu 22.04 · CUDA 12.4 · 2048 ctx
160.83 tok/s
Decode
637.28 tok/s
Prefill
0.78 s
TTFT
14.2 GB
VRAM
—
MTP
298.8 W
功耗
L2 batch seed 2026-10-18: llama.cpp on hw_id=41 running model_id=68 at Q3_K_L