返回搜索结果
Llama-3.2-3B-Instruct · Q4_K_M
NVIDIA RTX 408016GBStrata v0.32L2 跨框架验证
本页汇总 Llama-3.2-3B-Instruct（Q4_K_M）在 NVIDIA RTX 4080 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。
341.28 tok/s
Decode
解码速度
1,116.7 tok/s
Prefill
预填充速度
0.5 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 · Q3_K_S Decode 351.55 · Prefill 1651.53 ·
- llama.cpp · Q5_K_S Decode 338.44 · Prefill 1522.16 ·
- Strata · Q4_K_M （当前）Decode 341.28 · Prefill 1116.7 ·
核心数据
- Decode（平均）
- 341.28 tok/s
- Prefill（平均）
- 1,116.7 tok/s
- TTFT（平均）
- 0.5 s
- VRAM（平均）
- 7.27 GB
- MTP 接受率
- 0.65
- TTFB
- 2.73 GB
- 功耗
- 273.2 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
- v0.32
- 上下文长度
- 32768 tokens
- 批次大小
- 1024
- GPU 层数
- 5
- 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
- 标称显存
- 16 GB
- 实测显存（均值）
- 7.27 GB
- 系统
- Windows 11 24H2
- 驱动
- 570.86
- CUDA
- 13.0
- 电源功耗
- 273.2 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 · Windows 11 24H2 · CUDA 13.0 · 32768 ctx
341.28 tok/s
Decode
1,116.7 tok/s
Prefill
0.5 s
TTFT
7.27 GB
VRAM
0.65
MTP
273.2 W
功耗
L2 batch seed 2026-10-18: Strata on hw_id=41 running model_id=70 at Q4_K_M