返回搜索结果
Llama-3.1-8B-Instruct · Q4_K_M
NVIDIA RTX 409024GBvLLM v0.29L2 跨框架验证
本页汇总 Llama-3.1-8B-Instruct（Q4_K_M）在 NVIDIA RTX 4090 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。
142.74 tok/s
Decode
解码速度
510.45 tok/s
Prefill
预填充速度
2.44 s
TTFT
首 token 延迟
15.88 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 · Q5_K_M Decode 128.55 · Prefill 827.45 ·
- vLLM · Q4_K_M （当前）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）
- 142.74 tok/s
- Prefill（平均）
- 510.45 tok/s
- TTFT（平均）
- 2.44 s
- VRAM（平均）
- 15.88 GB
- MTP 接受率
- —
- TTFB
- 1.14 GB
- 功耗
- 393.3 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
- Q4_K_M
- 框架
- vLLM
- 版本
- v0.29
- 上下文长度
- 8192 tokens
- 批次大小
- 32
- 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 4090
- 标称显存
- 24 GB
- 实测显存（均值）
- 15.88 GB
- 系统
- Windows 11 24H2
- 驱动
- 570.86
- CUDA
- 12.8
- 电源功耗
- 393.3 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.29 · Windows 11 24H2 · CUDA 12.8 · 8192 ctx
142.74 tok/s
Decode
510.45 tok/s
Prefill
2.44 s
TTFT
15.88 GB
VRAM
—
MTP
393.3 W
功耗
L2 batch seed 2026-10-18: vLLM on hw_id=1 running model_id=68 at Q4_K_M