返回搜索结果
Llama-3.2-3B-Instruct · IQ3_S
NVIDIA RTX 4060 Ti 16GB16GBllama.cpp v0.36L2 跨框架验证
本页汇总 Llama-3.2-3B-Instruct（IQ3_S）在 NVIDIA RTX 4060 Ti 16GB 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。
326.89 tok/s
Decode
解码速度
1,104.91 tok/s
Prefill
预填充速度
0.63 s
TTFT
首 token 延迟
6.26 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 （当前）Decode 326.89 · Prefill 1104.91 ·
- vLLM · Q2_K Decode 350.23 · Prefill 1317.38 ·
核心数据
- Decode（平均）
- 326.89 tok/s
- Prefill（平均）
- 1,104.91 tok/s
- TTFT（平均）
- 0.63 s
- VRAM（平均）
- 6.26 GB
- MTP 接受率
- —
- TTFB
- 2.62 GB
- 功耗
- 150.9 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_S
- 框架
- llama.cpp
- 版本
- v0.36
- 上下文长度
- 2048 tokens
- 批次大小
- 256
- 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
- NVIDIA RTX 4060 Ti 16GB
- 标称显存
- 16 GB
- 实测显存（均值）
- 6.26 GB
- 系统
- Ubuntu 24.04
- 驱动
- 572.83
- CUDA
- 12.8
- 电源功耗
- 150.9 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.36 · Ubuntu 24.04 · CUDA 12.8 · 2048 ctx
326.89 tok/s
Decode
1,104.91 tok/s
Prefill
0.63 s
TTFT
6.26 GB
VRAM
—
MTP
150.9 W
功耗
L2 batch seed 2026-10-18: llama.cpp on hw_id=3 running model_id=70 at IQ3_S