返回搜索结果
Llama-3.2-3B-Instruct · Q6_K
NVIDIA RTX 509032GBvLLM v0.41L2 跨框架验证
本页汇总 Llama-3.2-3B-Instruct（Q6_K）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。
292.37 tok/s
Decode
解码速度
1,232.31 tok/s
Prefill
预填充速度
1.44 s
TTFT
首 token 延迟
8.4 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
17 天前
最后验证
性能表现
- llama.cpp · Q4_K_S Decode 375.58 · Prefill 1439.62 ·
- llama.cpp · Q5_K_S Decode 373.63 · Prefill 1720.71 ·
- vLLM · IQ4_XS Decode 321.22 · Prefill 1224.88 ·
- vLLM · Q6_K （当前）Decode 292.37 · Prefill 1232.31 ·
- llama.cpp · Q2_K Decode 325.57 · Prefill 1657.68 ·
- 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）
- 292.37 tok/s
- Prefill（平均）
- 1,232.31 tok/s
- TTFT（平均）
- 1.44 s
- VRAM（平均）
- 8.4 GB
- MTP 接受率
- —
- TTFB
- 2.34 GB
- 功耗
- 372 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
- Q6_K
- 框架
- vLLM
- 版本
- v0.41
- 上下文长度
- 32768 tokens
- 批次大小
- 16
- 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）
- 8.4 GB
- 系统
- Windows 11 23H2
- 驱动
- 565.57
- CUDA
- 12.6
- 电源功耗
- 372 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.41 · Windows 11 23H2 · CUDA 12.6 · 32768 ctx
292.37 tok/s
Decode
1,232.31 tok/s
Prefill
1.44 s
TTFT
8.4 GB
VRAM
—
MTP
372 W
功耗
L2 batch seed 2026-10-19: vLLM on hw_id=13 running model_id=70 at Q6_K