返回搜索结果
Qwen3-1.7B · Q4_K_S
NVIDIA RTX 508016GBllama.cpp v0.41L2 跨框架验证
本页汇总 Qwen3-1.7B（Q4_K_S）在 NVIDIA RTX 5080 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。
194.19 tok/s
Decode
解码速度
976.97 tok/s
Prefill
预填充速度
0.51 s
TTFT
首 token 延迟
4.88 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 · Q4_K_S （当前）Decode 194.19 · Prefill 976.97 ·
- llama.cpp · Q8_0 Decode 121.42 · Prefill 409.38 ·
- Ollama · Q3_K_M Decode 198.41 · Prefill 879.72 ·
- Ollama · Q8_0 Decode 116.38 · Prefill 555.86 ·
核心数据
- Decode（平均）
- 194.19 tok/s
- Prefill（平均）
- 976.97 tok/s
- TTFT（平均）
- 0.51 s
- VRAM（平均）
- 4.88 GB
- MTP 接受率
- —
- TTFB
- 1.55 GB
- 功耗
- 255.3 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
- Q4_K_S
- 框架
- llama.cpp
- 版本
- v0.41
- 上下文长度
- 2048 tokens
- 批次大小
- 256
- GPU 层数
- 99
- 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 5080
- 标称显存
- 16 GB
- 实测显存（均值）
- 4.88 GB
- 系统
- macOS 15.0
- 驱动
- 565.57
- CUDA
- 12.8
- 电源功耗
- 255.3 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.41 · macOS 15.0 · CUDA 12.8 · 2048 ctx
194.19 tok/s
Decode
976.97 tok/s
Prefill
0.51 s
TTFT
4.88 GB
VRAM
—
MTP
255.3 W
功耗
L2 batch seed 2026-10-10: llama.cpp on hw_id=14 running model_id=55 at Q4_K_S