返回搜索结果
Llama-3.2-3B-Instruct · IQ3_S
NVIDIA RTX 409024GBvLLM v0.47L2 跨框架验证
本页汇总 Llama-3.2-3B-Instruct（IQ3_S）在 NVIDIA RTX 4090 上以 vLLM 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。
362.35 tok/s
Decode
解码速度
1,574.76 tok/s
Prefill
预填充速度
0.64 s
TTFT
首 token 延迟
6.26 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 （当前）Decode 362.35 · Prefill 1574.76 ·
- Strata · IQ1_S Decode 284.1 · Prefill 1178.93 ·
- Strata · IQ2_XS 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）
- 362.35 tok/s
- Prefill（平均）
- 1,574.76 tok/s
- TTFT（平均）
- 0.64 s
- VRAM（平均）
- 6.26 GB
- MTP 接受率
- —
- TTFB
- 2.9 GB
- 功耗
- 342 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
- IQ3_S
- 框架
- vLLM
- 版本
- v0.47
- 上下文长度
- 32768 tokens
- 批次大小
- 32
- GPU 层数
- 999
- 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）
- 6.26 GB
- 系统
- Ubuntu 24.04
- 驱动
- 572.83
- CUDA
- 12.6
- 电源功耗
- 342 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.47 · Ubuntu 24.04 · CUDA 12.6 · 32768 ctx
362.35 tok/s
Decode
1,574.76 tok/s
Prefill
0.64 s
TTFT
6.26 GB
VRAM
—
MTP
342 W
功耗
L2 batch seed 2026-10-18: vLLM on hw_id=1 running model_id=70 at IQ3_S