返回搜索结果
Llama-3.2-3B-Instruct · Q4_K_S
AMD Radeon RX 907016GBllama.cpp v0.46L2 跨框架验证
本页汇总 Llama-3.2-3B-Instruct（Q4_K_S）在 AMD Radeon RX 9070 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。
290.99 tok/s
Decode
解码速度
1,343.85 tok/s
Prefill
预填充速度
0.1 s
TTFT
首 token 延迟
7.01 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
- llama.cpp · Q4_K_M Decode 313.76 · Prefill 1093.15 ·
- llama.cpp · Q4_K_S （当前）Decode 290.99 · Prefill 1343.85 ·
- vLLM · IQ4_XS Decode 366.03 · Prefill 1680.79 ·
- vLLM · Q3_K_S Decode 348.42 · Prefill 1407.74 ·
核心数据
- Decode（平均）
- 290.99 tok/s
- Prefill（平均）
- 1,343.85 tok/s
- TTFT（平均）
- 0.1 s
- VRAM（平均）
- 7.01 GB
- MTP 接受率
- —
- TTFB
- 2.33 GB
- 功耗
- 241.6 W
基础配置
成员级字段取自最近一次实测
- 模型
- Llama-3.2-3B-Instruct
- 量化方式
- Q4_K_S
- 框架
- llama.cpp
- 版本
- v0.46
- 上下文长度
- 8192 tokens
- 批次大小
- 512
- GPU 层数
- 20
- 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
- AMD Radeon RX 9070
- 标称显存
- 16 GB
- 实测显存（均值）
- 7.01 GB
- 系统
- Ubuntu 24.04
- 驱动
- amdgpu 6.12
- CUDA
- 12.8
- 电源功耗
- 241.6 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 · Ubuntu 24.04 · CUDA 12.8 · 8192 ctx
290.99 tok/s
Decode
1,343.85 tok/s
Prefill
0.1 s
TTFT
7.01 GB
VRAM
—
MTP
241.6 W
功耗
L2 batch seed 2026-10-18: llama.cpp on hw_id=21 running model_id=70 at Q4_K_S