返回搜索结果
Llama-3.1-8B-Instruct · Q6_K
NVIDIA RTX 409024GBStrata v0.37L2 跨框架验证
本页汇总 Llama-3.1-8B-Instruct（Q6_K）在 NVIDIA RTX 4090 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。
151.86 tok/s
Decode
解码速度
574.29 tok/s
Prefill
预填充速度
2.15 s
TTFT
首 token 延迟
18.9 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
- vLLM · IQ2_XS Decode 205.12 · Prefill 1126.08 ·
- Strata · Q4_K_M Decode 191.74 · Prefill 642.2 ·
- Strata · Q6_K （当前）Decode 151.86 · Prefill 574.29 ·
- llama.cpp · Q5_K_M Decode 128.55 · Prefill 827.45 ·
- vLLM · Q4_K_M Decode 142.74 · Prefill 510.45 ·
- llama.cpp · Q8_0 Decode 91.4 · Prefill 685.5 ·
- llama.cpp · Q4_K_M Decode 160.5 · Prefill 1203.8 ·
核心数据
- Decode（平均）
- 151.86 tok/s
- Prefill（平均）
- 574.29 tok/s
- TTFT（平均）
- 2.15 s
- VRAM（平均）
- 18.9 GB
- MTP 接受率
- 0.77
- TTFB
- 1.21 GB
- 功耗
- 370.3 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
- Q6_K
- 框架
- Strata
- 版本
- v0.37
- 上下文长度
- 2048 tokens
- 批次大小
- 256
- GPU 层数
- 12
- 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 4090
- 标称显存
- 24 GB
- 实测显存（均值）
- 18.9 GB
- 系统
- Ubuntu 24.04
- 驱动
- 560.94
- CUDA
- 12.6
- 电源功耗
- 370.3 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.37 · Ubuntu 24.04 · CUDA 12.6 · 2048 ctx
151.86 tok/s
Decode
574.29 tok/s
Prefill
2.15 s
TTFT
18.9 GB
VRAM
0.77
MTP
370.3 W
功耗
L2 batch seed 2026-10-19: Strata on hw_id=1 running model_id=68 at Q6_K