返回搜索结果
Qwen3-32B · Q4_K_M
NVIDIA RTX 309024GBllama.cpp b4567L1 已复现
本页汇总 Qwen3-32B（Q4_K_M）在 NVIDIA RTX 3090 上以 llama.cpp 运行的 2 次实测数据，来自 2 个独立来源平台；指标为已上架实测的均值。
12.95 tok/s
Decode
解码速度
143.35 tok/s
Prefill
预填充速度
1.6 s
TTFT
首 token 延迟
19.5 GB
VRAM
显存占用
L1 已复现
2
实测次数
2
独立来源
GitHub、Bilibili
来源平台
2026-08-15
最后验证
性能表现
- llama.cpp · Q4_K_M （当前）Decode 12.95 · Prefill 143.35 ·
核心数据
- Decode（平均）
- 12.95 tok/s
- Prefill（平均）
- 143.35 tok/s
- TTFT（平均）
- 1.6 s
- VRAM（平均）
- 19.5 GB
- MTP 接受率
- —
- TTFB
- — GB
- 功耗
- 299.8 W
基础配置
成员级字段取自最近一次实测
- 模型
- Qwen3-32B
- 量化方式
- Q4_K_M
- 框架
- llama.cpp
- 版本
- b4567
- 上下文长度
- 8192 tokens
- GPU 层数
- 99
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 3090
- 标称显存
- 24 GB
- 实测显存（均值）
- 19.5 GB
- 系统
- Ubuntu 22.04
- 驱动
- 535.183.01
- CUDA
- 12.2
- 电源功耗
- 298.4 W
来源与证据
共 2 条实测记录，逐条可回溯到原始出处
b4567 · Ubuntu 22.04 · CUDA 12.2 · 8192 ctx
12.8 tok/s
Decode
141.7 tok/s
Prefill
1.62 s
TTFT
19.5 GB
VRAM
—
MTP
298.4 W
功耗
3090 上 Q4_K_M 约 13 tok/s。
b4602 · Ubuntu 22.04 · CUDA 12.2 · 8192 ctx
13.1 tok/s
Decode
145 tok/s
Prefill
1.58 s
TTFT
19.5 GB
VRAM
—
MTP
301.2 W
功耗
3090 复现 13.1 tok/s。