返回搜索结果
Llama-3.2-3B-Instruct · Q2_K
NVIDIA RTX 509032GBllama.cpp v0.31L2 跨框架验证
本页汇总 Llama-3.2-3B-Instruct（Q2_K）在 NVIDIA RTX 5090 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。
325.57 tok/s
Decode
解码速度
1,657.68 tok/s
Prefill
预填充速度
0.19 s
TTFT
首 token 延迟
5.57 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 · Q2_K （当前）Decode 325.57 · Prefill 1657.68 ·
- llama.cpp · Q4_K_S Decode 376.12 · Prefill 1436.24 ·
- Strata · Q4_K_M Decode 367.38 · Prefill 1255.45 ·
- Strata · Q5_K_S Decode 289.95 · Prefill 1022.85 ·
- llama.cpp · Q8_0 Decode 436.8 · Prefill 3276 ·
- llama.cpp · Q5_K_M Decode 635.3 · Prefill 4764.8 ·
- llama.cpp · Q4_K_M Decode 776.5 · Prefill 5823.8 ·
核心数据
- Decode（平均）
- 325.57 tok/s
- Prefill（平均）
- 1,657.68 tok/s
- TTFT（平均）
- 0.19 s
- VRAM（平均）
- 5.57 GB
- MTP 接受率
- —
- TTFB
- 2.6 GB
- 功耗
- 466.8 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
- Q2_K
- 框架
- llama.cpp
- 版本
- v0.31
- 上下文长度
- 16384 tokens
- 批次大小
- 256
- GPU 层数
- 20
- 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 5090
- 标称显存
- 32 GB
- 实测显存（均值）
- 5.57 GB
- 系统
- Windows 11 24H2
- 驱动
- 560.94
- CUDA
- 13.0
- 电源功耗
- 466.8 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.31 · Windows 11 24H2 · CUDA 13.0 · 16384 ctx
325.57 tok/s
Decode
1,657.68 tok/s
Prefill
0.19 s
TTFT
5.57 GB
VRAM
—
MTP
466.8 W
功耗
L2 batch seed 2026-10-18: llama.cpp on hw_id=13 running model_id=70 at Q2_K