返回搜索结果
Llama-3.2-3B-Instruct · IQ4_XS
NVIDIA RTX 507012GBllama.cpp v0.40L2 跨框架验证
本页汇总 Llama-3.2-3B-Instruct（IQ4_XS）在 NVIDIA RTX 5070 上以 llama.cpp 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。
238.16 tok/s
Decode
解码速度
793.59 tok/s
Prefill
预填充速度
0.6 s
TTFT
首 token 延迟
6.76 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 （当前）Decode 238.16 · Prefill 793.59 ·
- llama.cpp · Q5_K_S Decode 193.78 · Prefill 821.91 ·
- Ollama · FP16 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）
- 238.16 tok/s
- Prefill（平均）
- 793.59 tok/s
- TTFT（平均）
- 0.6 s
- VRAM（平均）
- 6.76 GB
- MTP 接受率
- —
- TTFB
- 1.91 GB
- 功耗
- 204.7 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
- IQ4_XS
- 框架
- llama.cpp
- 版本
- v0.40
- 上下文长度
- 32768 tokens
- 批次大小
- 512
- GPU 层数
- 28
- 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
- 标称显存
- 12 GB
- 实测显存（均值）
- 6.76 GB
- 系统
- Windows 11 24H2
- 驱动
- 572.83
- CUDA
- 12.6
- 电源功耗
- 204.7 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.40 · Windows 11 24H2 · CUDA 12.6 · 32768 ctx
238.16 tok/s
Decode
793.59 tok/s
Prefill
0.6 s
TTFT
6.76 GB
VRAM
—
MTP
204.7 W
功耗
L2 batch seed 2026-10-18: llama.cpp on hw_id=18 running model_id=70 at IQ4_XS