返回搜索结果
Llama-3.2-3B-Instruct · Q8_0
NVIDIA RTX PRO 6000 Blackwell 96GB96GBllama.cpp v0.43L2 跨框架验证
本页汇总 Llama-3.2-3B-Instruct（Q8_0）在 NVIDIA RTX PRO 6000 Blackwell 96GB 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。
331.08 tok/s
Decode
解码速度
1,764.65 tok/s
Prefill
预填充速度
1.86 s
TTFT
首 token 延迟
9.35 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
16 天前
最后验证
性能表现
- llama.cpp · IQ3_XS Decode 338.03 · Prefill 1168.59 ·
- llama.cpp · Q8_0 （当前）Decode 331.08 · Prefill 1764.65 ·
- Ollama · IQ3_XS Decode 283.4 · Prefill 1452.77 ·
- Ollama · Q3_K_S Decode 364.08 · Prefill 1984.53 ·
核心数据
- Decode（平均）
- 331.08 tok/s
- Prefill（平均）
- 1,764.65 tok/s
- TTFT（平均）
- 1.86 s
- VRAM（平均）
- 9.35 GB
- MTP 接受率
- —
- TTFB
- 2.65 GB
- 功耗
- 312.9 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
- Q8_0
- 框架
- llama.cpp
- 版本
- v0.43
- 上下文长度
- 32768 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 PRO 6000 Blackwell 96GB
- 标称显存
- 96 GB
- 实测显存（均值）
- 9.35 GB
- 系统
- Ubuntu 22.04
- 驱动
- 572.83
- CUDA
- 12.8
- 电源功耗
- 312.9 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.43 · Ubuntu 22.04 · CUDA 12.8 · 32768 ctx
331.08 tok/s
Decode
1,764.65 tok/s
Prefill
1.86 s
TTFT
9.35 GB
VRAM
—
MTP
312.9 W
功耗
L2 batch seed 2026-10-19: llama.cpp on hw_id=68 running model_id=70 at Q8_0