返回搜索结果
Llama-3.2-3B-Instruct · Q4_K_M
NVIDIA RTX 5070 Ti16GBStrata v0.28L2 跨框架验证
本页汇总 Llama-3.2-3B-Instruct（Q4_K_M）在 NVIDIA RTX 5070 Ti 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。
361.74 tok/s
Decode
解码速度
1,475.89 tok/s
Prefill
预填充速度
0.97 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
- Ollama · Q4_K_S Decode 228.86 · Prefill 764.69 ·
- Strata · Q4_K_M （当前）Decode 361.74 · Prefill 1475.89 ·
核心数据
- Decode（平均）
- 361.74 tok/s
- Prefill（平均）
- 1,475.89 tok/s
- TTFT（平均）
- 0.97 s
- VRAM（平均）
- 7.27 GB
- MTP 接受率
- 0.66
- TTFB
- 2.89 GB
- 功耗
- 225.6 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
- Q4_K_M
- 框架
- Strata
- 版本
- v0.28
- 上下文长度
- 16384 tokens
- 批次大小
- 1024
- GPU 层数
- 12
- 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 5070 Ti
- 标称显存
- 16 GB
- 实测显存（均值）
- 7.27 GB
- 系统
- Ubuntu 22.04
- 驱动
- 560.94
- CUDA
- 12.4
- 电源功耗
- 225.6 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.28 · Ubuntu 22.04 · CUDA 12.4 · 16384 ctx
361.74 tok/s
Decode
1,475.89 tok/s
Prefill
0.97 s
TTFT
7.27 GB
VRAM
0.66
MTP
225.6 W
功耗
L2 batch seed 2026-10-18: Strata on hw_id=17 running model_id=70 at Q4_K_M