返回搜索结果
Llama-3.1-8B-Instruct · Q5_K_M
NVIDIA RTX PRO 6000 Blackwell 96GB96GBOllama v0.26L2 跨框架验证
本页汇总 Llama-3.1-8B-Instruct（Q5_K_M）在 NVIDIA RTX PRO 6000 Blackwell 96GB 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。
184.14 tok/s
Decode
解码速度
644.68 tok/s
Prefill
预填充速度
1.37 s
TTFT
首 token 延迟
17.72 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
16 天前
最后验证
性能表现
- Ollama · Q3_K_L Decode 262.13 · Prefill 1148.25 ·
- Ollama · Q5_K_M （当前）Decode 184.14 · Prefill 644.68 ·
- Strata · IQ4_XS Decode 387.3 · Prefill 1749.15 ·
核心数据
- Decode（平均）
- 184.14 tok/s
- Prefill（平均）
- 644.68 tok/s
- TTFT（平均）
- 1.37 s
- VRAM（平均）
- 17.72 GB
- MTP 接受率
- —
- TTFB
- 1.47 GB
- 功耗
- 390.5 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
- Q5_K_M
- 框架
- Ollama
- 版本
- v0.26
- 上下文长度
- 32768 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 PRO 6000 Blackwell 96GB
- 标称显存
- 96 GB
- 实测显存（均值）
- 17.72 GB
- 系统
- Ubuntu 24.04
- 驱动
- 570.86
- CUDA
- 12.4
- 电源功耗
- 390.5 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.26 · Ubuntu 24.04 · CUDA 12.4 · 32768 ctx
184.14 tok/s
Decode
644.68 tok/s
Prefill
1.37 s
TTFT
17.72 GB
VRAM
—
MTP
390.5 W
功耗
L2 batch seed 2026-10-19: Ollama on hw_id=68 running model_id=68 at Q5_K_M