返回搜索结果
Qwen2.5-0.5B-Instruct · IQ2_XS
NVIDIA RTX 308010GBllama.cpp v0.40L2 跨框架验证
本页汇总 Qwen2.5-0.5B-Instruct（IQ2_XS）在 NVIDIA RTX 3080 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。
279.47 tok/s
Decode
解码速度
1,475.5 tok/s
Prefill
预填充速度
1.75 s
TTFT
首 token 延迟
2.6 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
5 天前
最后验证
性能表现
- llama.cpp · IQ2_XS （当前）Decode 279.47 · Prefill 1475.5 ·
- Ollama · Q3_K_M Decode 199.79 · Prefill 1003.86 ·
- Ollama · Q4_K_M Decode 169.99 · Prefill 687.88 ·
核心数据
- Decode（平均）
- 279.47 tok/s
- Prefill（平均）
- 1,475.5 tok/s
- TTFT（平均）
- 1.75 s
- VRAM（平均）
- 2.6 GB
- MTP 接受率
- —
- TTFB
- 2.24 GB
- 功耗
- 286.8 W
基础配置
成员级字段取自最近一次实测
- 模型
- Qwen2.5-0.5B-Instruct
- 量化方式
- IQ2_XS
- 框架
- llama.cpp
- 版本
- v0.40
- 上下文长度
- 8192 tokens
- 批次大小
- 256
- GPU 层数
- 33
- 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 3080
- 标称显存
- 10 GB
- 实测显存（均值）
- 2.6 GB
- 系统
- Ubuntu 24.04
- 驱动
- 555.85
- CUDA
- 12.4
- 电源功耗
- 286.8 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.40 · Ubuntu 24.04 · CUDA 12.4 · 8192 ctx
279.47 tok/s
Decode
1,475.5 tok/s
Prefill
1.75 s
TTFT
2.6 GB
VRAM
—
MTP
286.8 W
功耗
L2 batch seed 2026-10-13: llama.cpp on hw_id=44 running model_id=59 at IQ2_XS