返回搜索结果
Llama-3.1-8B-Instruct · Q4_K_M
NVIDIA RTX Spark128GBllama.cpp v0.46L2 跨框架验证
本页汇总 Llama-3.1-8B-Instruct（Q4_K_M）在 NVIDIA RTX Spark 上以 llama.cpp 运行的 2 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。
53.5 tok/s
Decode
解码速度
208.91 tok/s
Prefill
预填充速度
1.72 s
TTFT
首 token 延迟
15.88 GB
VRAM
显存占用
L2 跨框架验证
2
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
- llama.cpp · Q4_K_M （当前）Decode 53.5 · Prefill 208.91 ·
- llama.cpp · Q5_K_M Decode 46.73 · Prefill 200.62 ·
- llama.cpp · Q8_0 Decode 35.36 · Prefill 182.04 ·
- Ollama · FP16 Decode 27.91 · Prefill 99.5 ·
- Ollama · Q6_K Decode 40.65 · Prefill 194.34 ·
- Ollama · Q8_0 Decode 37 · Prefill 131.55 ·
- llama.cpp · IQ1_S Decode 80.81 · Prefill 288.05 ·
- Ollama · Q4_K_M Decode 51.59 · Prefill 267.45 ·
- Ollama · Q5_K_S Decode 48.77 · Prefill 206.68 ·
核心数据
- Decode（平均）
- 53.5 tok/s
- Prefill（平均）
- 208.91 tok/s
- TTFT（平均）
- 1.72 s
- VRAM（平均）
- 15.88 GB
- MTP 接受率
- —
- TTFB
- 0.43 GB
- 功耗
- 56 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
- Q4_K_M
- 框架
- llama.cpp
- 版本
- v0.46
- 上下文长度
- 8192 tokens
- 批次大小
- 256
- GPU 层数
- 33
- 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 Spark
- 标称显存
- 128 GB
- 实测显存（均值）
- 15.88 GB
- 系统
- Ubuntu 24.04
- 驱动
- 615.78
- CUDA
- 13.0
- 电源功耗
- 50.6 W
- 参考价格
- $2,399 · 更新于 2026-10-19
价格非实时，以电商页为准
来源与证据
共 2 条实测记录，逐条可回溯到原始出处
v0.46 · Ubuntu 24.04 · CUDA 13.0 · 8192 ctx
52.26 tok/s
Decode
191.96 tok/s
Prefill
3.06 s
TTFT
15.88 GB
VRAM
—
MTP
50.6 W
功耗
L2 batch seed 2026-10-20 (Linux 116GiB unlock): llama.cpp on Spark running model_id=68 at Q4_K_M
v0.30 · Windows 11 24H2 · CUDA 13.0 · 2048 ctx
54.74 tok/s
Decode
225.86 tok/s
Prefill
0.39 s
TTFT
15.88 GB
VRAM
—
MTP
61.4 W
功耗
L2 batch seed 2026-10-19: llama.cpp on hw_id=110 running model_id=68 at Q4_K_M