返回搜索结果
Llama-3.2-3B-Instruct · Q3_K_S
NVIDIA H2097GBllama.cpp v0.51L2 跨框架验证
本页汇总 Llama-3.2-3B-Instruct（Q3_K_S）在 NVIDIA H20 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。
171.35 tok/s
Decode
解码速度
761.41 tok/s
Prefill
预填充速度
2.49 s
TTFT
首 token 延迟
6.2 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
- llama.cpp · Q3_K_S （当前）Decode 171.35 · Prefill 761.41 ·
- vLLM · FP16 Decode 76.18 · Prefill 254.17 ·
- vLLM · IQ3_XS Decode 177.1 · Prefill 886.15 ·
核心数据
- Decode（平均）
- 171.35 tok/s
- Prefill（平均）
- 761.41 tok/s
- TTFT（平均）
- 2.49 s
- VRAM（平均）
- 6.2 GB
- MTP 接受率
- —
- TTFB
- 1.37 GB
- 功耗
- 353.7 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
- Q3_K_S
- 框架
- llama.cpp
- 版本
- v0.51
- 上下文长度
- 8192 tokens
- 批次大小
- 256
- 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 H20
- 标称显存
- 97 GB
- 实测显存（均值）
- 6.2 GB
- 系统
- Windows 11 23H2
- 驱动
- 572.83
- CUDA
- 12.4
- 电源功耗
- 353.7 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.51 · Windows 11 23H2 · CUDA 12.4 · 8192 ctx
171.35 tok/s
Decode
761.41 tok/s
Prefill
2.49 s
TTFT
6.2 GB
VRAM
—
MTP
353.7 W
功耗
L2 batch seed 2026-10-19: llama.cpp on hw_id=56 running model_id=70 at Q3_K_S