返回搜索结果
Qwen3-8B · Q5_K_S
NVIDIA H2097GBllama.cpp v0.38L2 跨框架验证
本页汇总 Qwen3-8B（Q5_K_S）在 NVIDIA H20 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。
42.52 tok/s
Decode
解码速度
173.47 tok/s
Prefill
预填充速度
0.14 s
TTFT
首 token 延迟
17.22 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
16 天前
最后验证
性能表现
- llama.cpp · IQ3_S Decode 57.35 · Prefill 209.84 ·
- llama.cpp · Q5_K_S （当前）Decode 42.52 · Prefill 173.47 ·
- Strata · IQ3_S Decode 87.33 · Prefill 444.4 ·
- Strata · Q5_K_S Decode 59.66 · Prefill 317.37 ·
核心数据
- Decode（平均）
- 42.52 tok/s
- Prefill（平均）
- 173.47 tok/s
- TTFT（平均）
- 0.14 s
- VRAM（平均）
- 17.22 GB
- MTP 接受率
- —
- TTFB
- 0.34 GB
- 功耗
- 381.4 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
- Q5_K_S
- 框架
- llama.cpp
- 版本
- v0.38
- 上下文长度
- 16384 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 H20
- 标称显存
- 97 GB
- 实测显存（均值）
- 17.22 GB
- 系统
- Ubuntu 22.04
- 驱动
- 560.94
- CUDA
- 12.8
- 电源功耗
- 381.4 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.38 · Ubuntu 22.04 · CUDA 12.8 · 16384 ctx
42.52 tok/s
Decode
173.47 tok/s
Prefill
0.14 s
TTFT
17.22 GB
VRAM
—
MTP
381.4 W
功耗
L2 batch seed 2026-10-19: llama.cpp on hw_id=56 running model_id=53 at Q5_K_S