返回搜索结果
Llama-3.1-8B-Instruct · IQ3_S
NVIDIA RTX 5070 Ti16GBvLLM v0.38L2 跨框架验证
本页汇总 Llama-3.1-8B-Instruct（IQ3_S）在 NVIDIA RTX 5070 Ti 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。
128.33 tok/s
Decode
解码速度
495.87 tok/s
Prefill
预填充速度
2.38 s
TTFT
首 token 延迟
13.19 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 · Q4_K_S Decode 108.27 · Prefill 466.84 ·
- vLLM · IQ3_S （当前）Decode 128.33 · Prefill 495.87 ·
- vLLM · Q2_K Decode 134.24 · Prefill 721.19 ·
核心数据
- Decode（平均）
- 128.33 tok/s
- Prefill（平均）
- 495.87 tok/s
- TTFT（平均）
- 2.38 s
- VRAM（平均）
- 13.19 GB
- MTP 接受率
- —
- TTFB
- 1.03 GB
- 功耗
- 257.3 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
- IQ3_S
- 框架
- vLLM
- 版本
- v0.38
- 上下文长度
- 4096 tokens
- 批次大小
- 16
- 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 5070 Ti
- 标称显存
- 16 GB
- 实测显存（均值）
- 13.19 GB
- 系统
- Windows 11 23H2
- 驱动
- 570.86
- CUDA
- 13.0
- 电源功耗
- 257.3 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.38 · Windows 11 23H2 · CUDA 13.0 · 4096 ctx
128.33 tok/s
Decode
495.87 tok/s
Prefill
2.38 s
TTFT
13.19 GB
VRAM
—
MTP
257.3 W
功耗
L2 batch seed 2026-10-18: vLLM on hw_id=17 running model_id=68 at IQ3_S