返回搜索结果
Llama-3.2-3B-Instruct · IQ2_XS
NVIDIA RTX 409024GBStrata v0.21L2 跨框架验证
本页汇总 Llama-3.2-3B-Instruct（IQ2_XS）在 NVIDIA RTX 4090 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。
281.21 tok/s
Decode
解码速度
1,389.98 tok/s
Prefill
预填充速度
0.16 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
今天
最后验证
性能表现
- vLLM · IQ3_S Decode 362.35 · Prefill 1574.76 ·
- Strata · IQ1_S Decode 284.1 · Prefill 1178.93 ·
- Strata · IQ2_XS （当前）Decode 281.21 · Prefill 1389.98 ·
- llama.cpp · Q8_0 Decode 245.7 · Prefill 1842.8 ·
- llama.cpp · Q5_K_M Decode 357.4 · Prefill 2680.5 ·
- llama.cpp · Q4_K_M Decode 436.8 · Prefill 3276 ·
核心数据
- Decode（平均）
- 281.21 tok/s
- Prefill（平均）
- 1,389.98 tok/s
- TTFT（平均）
- 0.16 s
- VRAM（平均）
- 5.12 GB
- MTP 接受率
- 0.55
- TTFB
- 2.25 GB
- 功耗
- 333 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
- Strata
- 版本
- v0.21
- 上下文长度
- 2048 tokens
- 批次大小
- 512
- 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 4090
- 标称显存
- 24 GB
- 实测显存（均值）
- 5.12 GB
- 系统
- Windows 11 23H2
- 驱动
- 565.57
- CUDA
- 13.0
- 电源功耗
- 333 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.21 · Windows 11 23H2 · CUDA 13.0 · 2048 ctx
281.21 tok/s
Decode
1,389.98 tok/s
Prefill
0.16 s
TTFT
5.12 GB
VRAM
0.55
MTP
333 W
功耗
L2 batch seed 2026-10-18: Strata on hw_id=1 running model_id=70 at IQ2_XS