返回搜索结果
Llama-3.2-3B-Instruct · FP16
NVIDIA RTX 507012GBOllama v0.30L2 跨框架验证
本页汇总 Llama-3.2-3B-Instruct（FP16）在 NVIDIA RTX 5070 上以 Ollama 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。
100.33 tok/s
Decode
解码速度
407.38 tok/s
Prefill
预填充速度
0.64 s
TTFT
首 token 延迟
11.4 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 · IQ4_XS Decode 238.16 · Prefill 793.59 ·
- llama.cpp · Q5_K_S Decode 193.78 · Prefill 821.91 ·
- Ollama · FP16 （当前）Decode 100.33 · Prefill 407.38 ·
- Ollama · Q3_K_L Decode 203.4 · Prefill 838.81 ·
- llama.cpp · Q8_0 Decode 163.8 · Prefill 1228.5 ·
- llama.cpp · Q5_K_M Decode 238.3 · Prefill 1787.3 ·
- llama.cpp · Q4_K_M Decode 291.2 · Prefill 2184 ·
核心数据
- Decode（平均）
- 100.33 tok/s
- Prefill（平均）
- 407.38 tok/s
- TTFT（平均）
- 0.64 s
- VRAM（平均）
- 11.4 GB
- MTP 接受率
- —
- TTFB
- 0.8 GB
- 功耗
- 209.5 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
- FP16
- 框架
- Ollama
- 版本
- v0.30
- 上下文长度
- 2048 tokens
- 批次大小
- 256
- GPU 层数
- 33
- Flash Attention
- 关闭
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
- 标称显存
- 12 GB
- 实测显存（均值）
- 11.4 GB
- 系统
- Ubuntu 24.04
- 驱动
- 572.83
- CUDA
- 12.8
- 电源功耗
- 209.5 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.30 · Ubuntu 24.04 · CUDA 12.8 · 2048 ctx
100.33 tok/s
Decode
407.38 tok/s
Prefill
0.64 s
TTFT
11.4 GB
VRAM
—
MTP
209.5 W
功耗
L2 batch seed 2026-10-18: Ollama on hw_id=18 running model_id=70 at FP16