返回搜索结果
Llama-3.2-3B-Instruct · IQ2_XS
NVIDIA RTX 4080 Super16GBllama.cpp v0.32L2 跨框架验证
本页汇总 Llama-3.2-3B-Instruct（IQ2_XS）在 NVIDIA RTX 4080 Super 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。
372.98 tok/s
Decode
解码速度
1,597.99 tok/s
Prefill
预填充速度
2.35 s
TTFT
首 token 延迟
5.12 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
16 天前
最后验证
性能表现
- llama.cpp · IQ2_XS （当前）Decode 372.98 · Prefill 1597.99 ·
- llama.cpp · IQ4_XS Decode 289.96 · Prefill 1071.96 ·
- Strata · FP16 Decode 277.08 · Prefill 1141.1 ·
- vLLM · IQ3_S Decode 334.5 · Prefill 1159.32 ·
- Strata · Q3_K_L Decode 358.87 · Prefill 1331.79 ·
核心数据
- Decode（平均）
- 372.98 tok/s
- Prefill（平均）
- 1,597.99 tok/s
- TTFT（平均）
- 2.35 s
- VRAM（平均）
- 5.12 GB
- MTP 接受率
- —
- TTFB
- 2.98 GB
- 功耗
- 282.5 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
- IQ2_XS
- 框架
- llama.cpp
- 版本
- v0.32
- 上下文长度
- 2048 tokens
- 批次大小
- 512
- 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 4080 Super
- 标称显存
- 16 GB
- 实测显存（均值）
- 5.12 GB
- 系统
- Ubuntu 24.04
- 驱动
- 560.94
- CUDA
- 12.4
- 电源功耗
- 282.5 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.32 · Ubuntu 24.04 · CUDA 12.4 · 2048 ctx
372.98 tok/s
Decode
1,597.99 tok/s
Prefill
2.35 s
TTFT
5.12 GB
VRAM
—
MTP
282.5 W
功耗
L2 batch seed 2026-10-19: llama.cpp on hw_id=20 running model_id=70 at IQ2_XS