Arao AI
返回搜索结果

Llama-3.1-8B-Instruct · IQ4_XS

发起讨论
NVIDIA RTX 508016GBvLLM v0.26L2 跨框架验证

本页汇总 Llama-3.1-8B-Instruct（IQ4_XS）在 NVIDIA RTX 5080 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。

224.27 tok/s

Decode

解码速度

989.89 tok/s

Prefill

预填充速度

0.59 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

  1. vLLM · IQ4_XS （当前）Decode 224.27 · Prefill 989.89 ·
  2. Strata · IQ3_XS Decode 308.04 · Prefill 1362.37 ·
  3. Strata · Q3_K_S Decode 323.81 · Prefill 1737.95 ·

核心数据

Decode（平均）
224.27 tok/s
Prefill（平均）
989.89 tok/s
TTFT（平均）
0.59 s
VRAM（平均）
14.53 GB
MTP 接受率
—
TTFB
1.79 GB
功耗
249.6 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
vLLM
版本
v0.26
上下文长度
2048 tokens
批次大小
32
GPU 层数
999
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 5080
标称显存
16 GB
实测显存（均值）
14.53 GB
系统
Windows 11 24H2
驱动
570.86
CUDA
13.0
电源功耗
249.6 W

来源与证据

共 1 条实测记录，逐条可回溯到原始出处

  1. L2 跨框架验证其他原始链接 验证于 2026-10-18

    v0.26 · Windows 11 24H2 · CUDA 13.0 · 2048 ctx

    224.27 tok/s

    Decode

    989.89 tok/s

    Prefill

    0.59 s

    TTFT

    14.53 GB

    VRAM

    —

    MTP

    249.6 W

    功耗

    L2 batch seed 2026-10-18: vLLM on hw_id=14 running model_id=68 at IQ4_XS