返回搜索结果
Ministral-3-8B-Instruct-2512 · Q5_K_S
NVIDIA H2097GBvLLM v0.53L2 跨框架验证
本页汇总 Ministral-3-8B-Instruct-2512（Q5_K_S）在 NVIDIA H20 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。
49.64 tok/s
Decode
解码速度
220.24 tok/s
Prefill
预填充速度
1.95 s
TTFT
首 token 延迟
17.22 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
11 天前
最后验证
性能表现
- vLLM · Q5_K_S （当前）Decode 49.64 · Prefill 220.24 ·
- Strata · Q4_K_M Decode 73.54 · Prefill 286.94 ·
核心数据
- Decode（平均）
- 49.64 tok/s
- Prefill（平均）
- 220.24 tok/s
- TTFT（平均）
- 1.95 s
- VRAM（平均）
- 17.22 GB
- MTP 接受率
- —
- TTFB
- 0.4 GB
- 功耗
- 331.6 W
基础配置
成员级字段取自最近一次实测
- 模型
- Ministral-3-8B-Instruct-2512
- 量化方式
- Q5_K_S
- 框架
- vLLM
- 版本
- v0.53
- 上下文长度
- 16384 tokens
- 批次大小
- 8
- 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 H20
- 标称显存
- 97 GB
- 实测显存（均值）
- 17.22 GB
- 系统
- Ubuntu 24.04
- 驱动
- 560.94
- CUDA
- 12.4
- 电源功耗
- 331.6 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.53 · Ubuntu 24.04 · CUDA 12.4 · 16384 ctx
49.64 tok/s
Decode
220.24 tok/s
Prefill
1.95 s
TTFT
17.22 GB
VRAM
—
MTP
331.6 W
功耗
L2 batch seed 2026-10-24: vLLM on hw_id=56 running model_id=74 at Q5_K_S