返回搜索结果
Llama-3.2-3B-Instruct · IQ3_XS
NVIDIA H2097GBvLLM v0.31L2 跨框架验证
本页汇总 Llama-3.2-3B-Instruct（IQ3_XS）在 NVIDIA H20 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。
177.1 tok/s
Decode
解码速度
886.15 tok/s
Prefill
预填充速度
2.09 s
TTFT
首 token 延迟
6.01 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
16 天前
最后验证
性能表现
- llama.cpp · Q3_K_S Decode 171.35 · Prefill 761.41 ·
- vLLM · FP16 Decode 76.18 · Prefill 254.17 ·
- vLLM · IQ3_XS （当前）Decode 177.1 · Prefill 886.15 ·
核心数据
- Decode（平均）
- 177.1 tok/s
- Prefill（平均）
- 886.15 tok/s
- TTFT（平均）
- 2.09 s
- VRAM（平均）
- 6.01 GB
- MTP 接受率
- —
- TTFB
- 1.42 GB
- 功耗
- 367.7 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
- IQ3_XS
- 框架
- vLLM
- 版本
- v0.31
- 上下文长度
- 2048 tokens
- 批次大小
- 32
- GPU 层数
- 999
- 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 H20
- 标称显存
- 97 GB
- 实测显存（均值）
- 6.01 GB
- 系统
- Ubuntu 24.04
- 驱动
- 560.94
- CUDA
- 12.6
- 电源功耗
- 367.7 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.31 · Ubuntu 24.04 · CUDA 12.6 · 2048 ctx
177.1 tok/s
Decode
886.15 tok/s
Prefill
2.09 s
TTFT
6.01 GB
VRAM
—
MTP
367.7 W
功耗
L2 batch seed 2026-10-19: vLLM on hw_id=56 running model_id=70 at IQ3_XS