Arao AI
返回搜索结果

Llama-3.2-3B-Instruct · IQ4_XS

发起讨论
NVIDIA RTX 509032GBvLLM v0.30L2 跨框架验证

本页汇总 Llama-3.2-3B-Instruct（IQ4_XS）在 NVIDIA RTX 5090 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。

321.22 tok/s

Decode

解码速度

1,224.88 tok/s

Prefill

预填充速度

2.36 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

17 天前

最后验证

性能表现

  1. llama.cpp · Q4_K_S Decode 375.58 · Prefill 1439.62 ·
  2. llama.cpp · Q5_K_S Decode 373.63 · Prefill 1720.71 ·
  3. vLLM · IQ4_XS （当前）Decode 321.22 · Prefill 1224.88 ·
  4. vLLM · Q6_K Decode 292.37 · Prefill 1232.31 ·
  5. llama.cpp · Q2_K Decode 325.57 · Prefill 1657.68 ·
  6. Strata · Q4_K_M Decode 367.38 · Prefill 1255.45 ·
  7. Strata · Q5_K_S Decode 289.95 · Prefill 1022.85 ·
  8. llama.cpp · Q8_0 Decode 436.8 · Prefill 3276 ·
  9. llama.cpp · Q5_K_M Decode 635.3 · Prefill 4764.8 ·
  10. llama.cpp · Q4_K_M Decode 776.5 · Prefill 5823.8 ·

核心数据

Decode（平均）
321.22 tok/s
Prefill（平均）
1,224.88 tok/s
TTFT（平均）
2.36 s
VRAM（平均）
6.76 GB
MTP 接受率
—
TTFB
2.57 GB
功耗
410.1 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
vLLM
版本
v0.30
上下文长度
16384 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 5090
标称显存
32 GB
实测显存（均值）
6.76 GB
系统
Windows 11 23H2
驱动
565.57
CUDA
12.4
电源功耗
410.1 W

来源与证据

共 1 条实测记录，逐条可回溯到原始出处

  1. L2 跨框架验证其他原始链接 验证于 2026-10-19

    v0.30 · Windows 11 23H2 · CUDA 12.4 · 16384 ctx

    321.22 tok/s

    Decode

    1,224.88 tok/s

    Prefill

    2.36 s

    TTFT

    6.76 GB

    VRAM

    —

    MTP

    410.1 W

    功耗

    L2 batch seed 2026-10-19: vLLM on hw_id=13 running model_id=70 at IQ4_XS