Arao AI
返回搜索结果

Llama-3.2-3B-Instruct · FP16

发起讨论
NVIDIA RTX 309024GBStrata v0.50L2 跨框架验证

本页汇总 Llama-3.2-3B-Instruct（FP16）在 NVIDIA RTX 3090 上以 Strata 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。

145.3 tok/s

Decode

解码速度

693.51 tok/s

Prefill

预填充速度

0.85 s

TTFT

首 token 延迟

13.76 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

  1. llama.cpp · Q2_K Decode 268 · Prefill 1209.31 ·
  2. Strata · FP16 （当前）Decode 145.3 · Prefill 693.51 ·
  3. llama.cpp · Q8_0 Decode 228.2 · Prefill 1711.5 ·
  4. llama.cpp · Q5_K_M Decode 331.9 · Prefill 2489.3 ·
  5. llama.cpp · Q4_K_M Decode 405.6 · Prefill 3042 ·

核心数据

Decode（平均）
145.3 tok/s
Prefill（平均）
693.51 tok/s
TTFT（平均）
0.85 s
VRAM（平均）
13.76 GB
MTP 接受率
0.55
TTFB
1.16 GB
功耗
300.5 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
FP16
框架
Strata
版本
v0.50
上下文长度
32768 tokens
批次大小
1024
GPU 层数
15
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 3090
标称显存
24 GB
实测显存（均值）
13.76 GB
系统
Ubuntu 24.04
驱动
565.57
CUDA
13.0
电源功耗
300.5 W

来源与证据

共 1 条实测记录，逐条可回溯到原始出处

  1. L2 跨框架验证其他原始链接 验证于 2026-10-18

    v0.50 · Ubuntu 24.04 · CUDA 13.0 · 32768 ctx

    145.3 tok/s

    Decode

    693.51 tok/s

    Prefill

    0.85 s

    TTFT

    13.76 GB

    VRAM

    0.55

    MTP

    300.5 W

    功耗

    L2 batch seed 2026-10-18: Strata on hw_id=2 running model_id=70 at FP16