返回搜索结果
Qwen3-8B · IQ2_M
Apple M3 Max36GBllama.cpp v0.20L2 跨框架验证
本页汇总 Qwen3-8B（IQ2_M）在 Apple M3 Max 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。
137.92 tok/s
Decode
解码速度
603.9 tok/s
Prefill
预填充速度
1.57 s
TTFT
首 token 延迟
10.84 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 · FP16 Decode 58.36 · Prefill 290.84 ·
- llama.cpp · IQ2_M （当前）Decode 137.92 · Prefill 603.9 ·
- vLLM · FP16 Decode 57.8 · Prefill 255.66 ·
- vLLM · IQ2_M Decode 145.31 · Prefill 613.3 ·
- Ollama · IQ2_M Decode 129.83 · Prefill 636.38 ·
核心数据
- Decode（平均）
- 137.92 tok/s
- Prefill（平均）
- 603.9 tok/s
- TTFT（平均）
- 1.57 s
- VRAM（平均）
- 10.84 GB
- MTP 接受率
- —
- TTFB
- 1.1 GB
- 功耗
- 73.7 W
基础配置
成员级字段取自最近一次实测
- 模型
- Qwen3-8B
- 量化方式
- IQ2_M
- 框架
- llama.cpp
- 版本
- v0.20
- 上下文长度
- 4096 tokens
- 批次大小
- 512
- GPU 层数
- 33
- 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
- Apple M3 Max
- 标称显存
- 36 GB
- 实测显存（均值）
- 10.84 GB
- 系统
- macOS 15.0
- 驱动
- Apple M3 Max
- CUDA
- N/A
- 电源功耗
- 73.7 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.20 · macOS 15.0 · CUDA N/A · 4096 ctx
137.92 tok/s
Decode
603.9 tok/s
Prefill
1.57 s
TTFT
10.84 GB
VRAM
—
MTP
73.7 W
功耗
L2 batch seed 2026-10-10: llama.cpp on hw_id=4 running model_id=53 at IQ2_M