返回搜索结果
Llama-3.1-8B-Instruct · IQ4_XS
NVIDIA RTX 509032GBvLLM v0.46L2 跨框架验证
本页汇总 Llama-3.1-8B-Instruct（IQ4_XS）在 NVIDIA RTX 5090 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。
310.8 tok/s
Decode
解码速度
1,667.93 tok/s
Prefill
预填充速度
2.16 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
- vLLM · IQ4_XS （当前）Decode 310.8 · Prefill 1667.93 ·
- Ollama · IQ1_S 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）
- 310.8 tok/s
- Prefill（平均）
- 1,667.93 tok/s
- TTFT（平均）
- 2.16 s
- VRAM（平均）
- 14.53 GB
- MTP 接受率
- —
- TTFB
- 2.49 GB
- 功耗
- 457 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
- v0.46
- 上下文长度
- 32768 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 5090
- 标称显存
- 32 GB
- 实测显存（均值）
- 14.53 GB
- 系统
- Windows 11 24H2
- 驱动
- 565.57
- CUDA
- 12.4
- 电源功耗
- 457 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.46 · Windows 11 24H2 · CUDA 12.4 · 32768 ctx
310.8 tok/s
Decode
1,667.93 tok/s
Prefill
2.16 s
TTFT
14.53 GB
VRAM
—
MTP
457 W
功耗
L2 batch seed 2026-10-18: vLLM on hw_id=13 running model_id=68 at IQ4_XS