返回搜索结果
Qwen3-1.7B · Q8_0
NVIDIA RTX 3060 12GB12GBvLLM v0.42L2 跨框架验证
本页汇总 Qwen3-1.7B（Q8_0）在 NVIDIA RTX 3060 12GB 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。
84.49 tok/s
Decode
解码速度
329.46 tok/s
Prefill
预填充速度
1.47 s
TTFT
首 token 延迟
6.21 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
今天
最后验证
性能表现
- llama.cpp · Q2_K Decode 169.7 · Prefill 583.54 ·
- vLLM · Q3_K_L Decode 134.55 · Prefill 711.57 ·
- vLLM · Q8_0 （当前）Decode 84.49 · Prefill 329.46 ·
核心数据
- Decode（平均）
- 84.49 tok/s
- Prefill（平均）
- 329.46 tok/s
- TTFT（平均）
- 1.47 s
- VRAM（平均）
- 6.21 GB
- MTP 接受率
- —
- TTFB
- 0.68 GB
- 功耗
- 240.2 W
基础配置
成员级字段取自最近一次实测
- 模型
- Qwen3-1.7B
- 量化方式
- Q8_0
- 框架
- vLLM
- 版本
- v0.42
- 上下文长度
- 8192 tokens
- 批次大小
- 16
- GPU 层数
- 999
- Flash Attention
- 关闭
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 3060 12GB
- 标称显存
- 12 GB
- 实测显存（均值）
- 6.21 GB
- 系统
- Ubuntu 24.04
- 驱动
- 560.94
- CUDA
- 12.6
- 电源功耗
- 240.2 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.42 · Ubuntu 24.04 · CUDA 12.6 · 8192 ctx
84.49 tok/s
Decode
329.46 tok/s
Prefill
1.47 s
TTFT
6.21 GB
VRAM
—
MTP
240.2 W
功耗
L2 batch seed 2026-10-10: vLLM on hw_id=15 running model_id=55 at Q8_0