返回搜索结果
Llama-3.1-8B-Instruct · IQ1_S
NVIDIA RTX 509032GBOllama v0.22L2 跨框架验证
本页汇总 Llama-3.1-8B-Instruct（IQ1_S）在 NVIDIA RTX 5090 上以 Ollama 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。
316.88 tok/s
Decode
解码速度
1,203.93 tok/s
Prefill
预填充速度
0.18 s
TTFT
首 token 延迟
9.16 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
- vLLM · IQ4_XS Decode 310.8 · Prefill 1667.93 ·
- Ollama · IQ1_S （当前）Decode 316.88 · Prefill 1203.93 ·
- llama.cpp · Q8_0 Decode 162.5 · Prefill 1218.8 ·
- llama.cpp · Q5_K_M Decode 236.9 · Prefill 1776.8 ·
- llama.cpp · Q4_K_M Decode 285.3 · Prefill 2139.8 ·
核心数据
- Decode（平均）
- 316.88 tok/s
- Prefill（平均）
- 1,203.93 tok/s
- TTFT（平均）
- 0.18 s
- VRAM（平均）
- 9.16 GB
- MTP 接受率
- —
- TTFB
- 2.54 GB
- 功耗
- 434.3 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
- IQ1_S
- 框架
- Ollama
- 版本
- v0.22
- 上下文长度
- 4096 tokens
- 批次大小
- 256
- GPU 层数
- 28
- 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 5090
- 标称显存
- 32 GB
- 实测显存（均值）
- 9.16 GB
- 系统
- Windows 11 23H2
- 驱动
- 570.86
- CUDA
- 12.6
- 电源功耗
- 434.3 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.22 · Windows 11 23H2 · CUDA 12.6 · 4096 ctx
316.88 tok/s
Decode
1,203.93 tok/s
Prefill
0.18 s
TTFT
9.16 GB
VRAM
—
MTP
434.3 W
功耗
L2 batch seed 2026-10-18: Ollama on hw_id=13 running model_id=68 at IQ1_S