返回搜索结果
Qwen3-1.7B · Q3_K_M
NVIDIA RTX 408016GBvLLM v0.34L2 跨框架验证
本页汇总 Qwen3-1.7B（Q3_K_M）在 NVIDIA RTX 4080 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。
197.14 tok/s
Decode
解码速度
742.62 tok/s
Prefill
预填充速度
1.65 s
TTFT
首 token 延迟
4.53 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
- vLLM · IQ2_M Decode 224.82 · Prefill 990.41 ·
- vLLM · Q3_K_M （当前）Decode 197.14 · Prefill 742.62 ·
- Ollama · Q4_K_S Decode 163.88 · Prefill 605 ·
- Ollama · Q8_0 Decode 101.94 · Prefill 440.86 ·
核心数据
- Decode（平均）
- 197.14 tok/s
- Prefill（平均）
- 742.62 tok/s
- TTFT（平均）
- 1.65 s
- VRAM（平均）
- 4.53 GB
- MTP 接受率
- —
- TTFB
- 1.58 GB
- 功耗
- 315.9 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
- Q3_K_M
- 框架
- vLLM
- 版本
- v0.34
- 上下文长度
- 32768 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 RTX 4080
- 标称显存
- 16 GB
- 实测显存（均值）
- 4.53 GB
- 系统
- Ubuntu 24.04
- 驱动
- 570.86
- CUDA
- 12.6
- 电源功耗
- 315.9 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.34 · Ubuntu 24.04 · CUDA 12.6 · 32768 ctx
197.14 tok/s
Decode
742.62 tok/s
Prefill
1.65 s
TTFT
4.53 GB
VRAM
—
MTP
315.9 W
功耗
L2 batch seed 2026-10-13: vLLM on hw_id=41 running model_id=55 at Q3_K_M