返回搜索结果
Ministral-3-8B-Instruct-2512 · IQ1_S
NVIDIA RTX 509032GBllama.cpp v0.37L2 跨框架验证
本页汇总 Ministral-3-8B-Instruct-2512（IQ1_S）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。
381.92 tok/s
Decode
解码速度
1,480.95 tok/s
Prefill
预填充速度
0.75 s
TTFT
首 token 延迟
9.16 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
- llama.cpp · IQ1_S （当前）Decode 381.92 · Prefill 1480.95 ·
- vLLM · Q3_K_S Decode 337.39 · Prefill 1195.07 ·
核心数据
- Decode（平均）
- 381.92 tok/s
- Prefill（平均）
- 1,480.95 tok/s
- TTFT（平均）
- 0.75 s
- VRAM（平均）
- 9.16 GB
- MTP 接受率
- —
- TTFB
- 3.06 GB
- 功耗
- 462.4 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
- IQ1_S
- 框架
- llama.cpp
- 版本
- v0.37
- 上下文长度
- 65536 tokens
- 批次大小
- 512
- GPU 层数
- 99
- 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）
- 9.16 GB
- 系统
- Ubuntu 24.04
- 驱动
- 572.83
- CUDA
- 12.6
- 电源功耗
- 462.4 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.37 · Ubuntu 24.04 · CUDA 12.6 · 65536 ctx
381.92 tok/s
Decode
1,480.95 tok/s
Prefill
0.75 s
TTFT
9.16 GB
VRAM
—
MTP
462.4 W
功耗
L2 batch seed 2026-10-24: llama.cpp on hw_id=13 running model_id=74 at IQ1_S