返回搜索结果
Llama-3.2-3B-Instruct · Q5_K_M
NVIDIA RTX 3060 12GB12GBvLLM v0.34L2 跨框架验证
本页汇总 Llama-3.2-3B-Instruct（Q5_K_M）在 NVIDIA RTX 3060 12GB 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。
143.38 tok/s
Decode
解码速度
521.02 tok/s
Prefill
预填充速度
1.74 s
TTFT
首 token 延迟
7.96 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 · IQ3_S Decode 193.44 · Prefill 733.2 ·
- llama.cpp · Q5_K_S Decode 126.84 · Prefill 630.8 ·
- vLLM · Q5_K_M （当前）Decode 143.38 · Prefill 521.02 ·
- llama.cpp · Q8_0 Decode 87.8 · Prefill 658.5 ·
- llama.cpp · Q5_K_M Decode 127.6 · Prefill 957 ·
- llama.cpp · Q4_K_M Decode 156 · Prefill 1170 ·
核心数据
- Decode（平均）
- 143.38 tok/s
- Prefill（平均）
- 521.02 tok/s
- TTFT（平均）
- 1.74 s
- VRAM（平均）
- 7.96 GB
- MTP 接受率
- —
- TTFB
- 1.15 GB
- 功耗
- 157.1 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
- Q5_K_M
- 框架
- vLLM
- 版本
- v0.34
- 上下文长度
- 32768 tokens
- 批次大小
- 8
- GPU 层数
- 999
- 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 3060 12GB
- 标称显存
- 12 GB
- 实测显存（均值）
- 7.96 GB
- 系统
- Ubuntu 24.04
- 驱动
- 572.83
- CUDA
- 12.8
- 电源功耗
- 157.1 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.34 · Ubuntu 24.04 · CUDA 12.8 · 32768 ctx
143.38 tok/s
Decode
521.02 tok/s
Prefill
1.74 s
TTFT
7.96 GB
VRAM
—
MTP
157.1 W
功耗
L2 batch seed 2026-10-18: vLLM on hw_id=15 running model_id=70 at Q5_K_M