返回搜索结果
Qwen3-8B · Q3_K_M
NVIDIA DGX Spark128GBvLLM v0.45L2 跨框架验证
本页汇总 Qwen3-8B（Q3_K_M）在 NVIDIA DGX Spark 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。
167.2 tok/s
Decode
解码速度
861.79 tok/s
Prefill
预填充速度
1.29 s
TTFT
首 token 延迟
13.52 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
2 天前
最后验证
性能表现
- vLLM · Q3_K_M （当前）Decode 167.2 · Prefill 861.79 ·
- Strata · Q5_K_S Decode 197.21 · Prefill 856.13 ·
- llama.cpp · Q4_K_M Decode 146.4 · Prefill 699.64 ·
- vLLM · IQ4_XS Decode 168.28 · Prefill 770.17 ·
核心数据
- Decode（平均）
- 167.2 tok/s
- Prefill（平均）
- 861.79 tok/s
- TTFT（平均）
- 1.29 s
- VRAM（平均）
- 13.52 GB
- MTP 接受率
- —
- TTFB
- 1.34 GB
- 功耗
- 251.9 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
- Q3_K_M
- 框架
- vLLM
- 版本
- v0.45
- 上下文长度
- 4096 tokens
- 批次大小
- 8
- 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 DGX Spark
- 标称显存
- 128 GB
- 实测显存（均值）
- 13.52 GB
- 系统
- macOS 15.0
- 驱动
- 570.86
- CUDA
- 12.8
- 电源功耗
- 251.9 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.45 · macOS 15.0 · CUDA 12.8 · 4096 ctx
167.2 tok/s
Decode
861.79 tok/s
Prefill
1.29 s
TTFT
13.52 GB
VRAM
—
MTP
251.9 W
功耗
L2 batch seed 2026-10-16: vLLM on hw_id=54 running model_id=53 at Q3_K_M