返回搜索结果
Llama-3.2-3B-Instruct · Q4_K_M
NVIDIA RTX 4070 Ti12GBStrata v0.43L2 跨框架验证
本页汇总 Llama-3.2-3B-Instruct（Q4_K_M）在 NVIDIA RTX 4070 Ti 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。
284.07 tok/s
Decode
解码速度
1,145.96 tok/s
Prefill
预填充速度
1.51 s
TTFT
首 token 延迟
7.27 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 · FP16 Decode 157.49 · Prefill 748.12 ·
- Strata · IQ2_M Decode 347.68 · Prefill 1284.54 ·
- Strata · Q4_K_M （当前）Decode 284.07 · Prefill 1145.96 ·
核心数据
- Decode（平均）
- 284.07 tok/s
- Prefill（平均）
- 1,145.96 tok/s
- TTFT（平均）
- 1.51 s
- VRAM（平均）
- 7.27 GB
- MTP 接受率
- 0.55
- TTFB
- 2.27 GB
- 功耗
- 227.8 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
- Q4_K_M
- 框架
- Strata
- 版本
- v0.43
- 上下文长度
- 32768 tokens
- 批次大小
- 256
- GPU 层数
- 8
- 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 4070 Ti
- 标称显存
- 12 GB
- 实测显存（均值）
- 7.27 GB
- 系统
- Ubuntu 22.04
- 驱动
- 570.86
- CUDA
- 12.4
- 电源功耗
- 227.8 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.43 · Ubuntu 22.04 · CUDA 12.4 · 32768 ctx
284.07 tok/s
Decode
1,145.96 tok/s
Prefill
1.51 s
TTFT
7.27 GB
VRAM
0.55
MTP
227.8 W
功耗
L2 batch seed 2026-10-18: Strata on hw_id=42 running model_id=70 at Q4_K_M