返回搜索结果

Llama-3.1-8B-Instruct · Q8_0

发起讨论
NVIDIA RTX 509032GBllama.cpp b4200L0 自报

本页汇总 Llama-3.1-8B-Instruct(Q8_0)在 NVIDIA RTX 5090 上以 llama.cpp 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。

162.5 tok/s

Decode

解码速度

1,218.8 tok/s

Prefill

预填充速度

0.08 s

TTFT

首 token 延迟

9.1 GB

VRAM

显存占用

L0 自报

1

实测次数

1

独立来源

其他

来源平台

2026-10-06

最后验证

性能表现

  1. Ollama · Q5_K_S Decode 220.5 · Prefill 854 ·
  2. Strata · IQ3_S Decode 280 · Prefill 1358.66 ·
  3. Strata · Q5_K_M Decode 297.96 · Prefill 1229.8 ·
  4. vLLM · IQ4_XS Decode 310.8 · Prefill 1667.93 ·
  5. Ollama · IQ1_S Decode 316.88 · Prefill 1203.93 ·
  6. llama.cpp · Q8_0 (当前)Decode 162.5 · Prefill 1218.8 ·
  7. llama.cpp · Q5_K_M Decode 236.9 · Prefill 1776.8 ·
  8. llama.cpp · Q4_K_M Decode 285.3 · Prefill 2139.8 ·

核心数据

Decode(平均)
162.5 tok/s
Prefill(平均)
1,218.8 tok/s
TTFT(平均)
0.08 s
VRAM(平均)
9.1 GB
MTP 接受率
—
TTFB
— GB
功耗
— 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
Q8_0
框架
llama.cpp
版本
b4200
上下文长度
4096 tokens
批次大小
512
GPU 层数
99
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)
9.1 GB
系统
Linux
驱动
570.65
CUDA
12.6

来源与证据

共 1 条实测记录,逐条可回溯到原始出处

  1. L0 自报其他原始链接 验证于 2026-10-06

    b4200 · Linux · CUDA 12.6 · 4096 ctx

    162.5 tok/s

    Decode

    1,218.8 tok/s

    Prefill

    0.08 s

    TTFT

    9.1 GB

    VRAM

    —

    MTP

    — W

    功耗

    L0 理论估算(add-1000-records-batch3)