返回搜索结果
Llama-3.2-3B-Instruct · FP16
NVIDIA RTX 4070 Ti12GBllama.cpp v0.23L2 跨框架验证
本页汇总 Llama-3.2-3B-Instruct（FP16）在 NVIDIA RTX 4070 Ti 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。
157.49 tok/s
Decode
解码速度
748.12 tok/s
Prefill
预填充速度
1.55 s
TTFT
首 token 延迟
11.4 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 （当前）Decode 157.49 · Prefill 748.12 ·
- Strata · IQ2_M Decode 347.68 · Prefill 1284.54 ·
- Strata · Q4_K_M Decode 284.07 · Prefill 1145.96 ·
核心数据
- Decode（平均）
- 157.49 tok/s
- Prefill（平均）
- 748.12 tok/s
- TTFT（平均）
- 1.55 s
- VRAM（平均）
- 11.4 GB
- MTP 接受率
- —
- TTFB
- 1.26 GB
- 功耗
- 288.6 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
- llama.cpp
- 版本
- v0.23
- 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 4070 Ti
- 标称显存
- 12 GB
- 实测显存（均值）
- 11.4 GB
- 系统
- Windows 11 23H2
- 驱动
- 570.86
- CUDA
- 12.6
- 电源功耗
- 288.6 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.23 · Windows 11 23H2 · CUDA 12.6 · 2048 ctx
157.49 tok/s
Decode
748.12 tok/s
Prefill
1.55 s
TTFT
11.4 GB
VRAM
—
MTP
288.6 W
功耗
L2 batch seed 2026-10-18: llama.cpp on hw_id=42 running model_id=70 at FP16