返回搜索结果
Qwen3-8B · IQ2_XS
NVIDIA Jetson AGX Orin 64GB64GBllama.cpp v0.33L2 跨框架验证
本页汇总 Qwen3-8B（IQ2_XS）在 NVIDIA Jetson AGX Orin 64GB 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。
81.76 tok/s
Decode
解码速度
342.2 tok/s
Prefill
预填充速度
0.11 s
TTFT
首 token 延迟
10.16 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
- llama.cpp · IQ1_S Decode 80.69 · Prefill 386.89 ·
- llama.cpp · IQ2_XS （当前）Decode 81.76 · Prefill 342.2 ·
- Ollama · FP16 Decode 24.64 · Prefill 90.65 ·
- Ollama · Q3_K_L Decode 56.02 · Prefill 230.05 ·
- vLLM · Q3_K_S Decode 73.73 · Prefill 262.59 ·
- vLLM · Q4_K_S Decode 62 · Prefill 313.33 ·
核心数据
- Decode（平均）
- 81.76 tok/s
- Prefill（平均）
- 342.2 tok/s
- TTFT（平均）
- 0.11 s
- VRAM（平均）
- 10.16 GB
- MTP 接受率
- —
- TTFB
- 0.65 GB
- 功耗
- 23.7 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_XS
- 框架
- llama.cpp
- 版本
- v0.33
- 上下文长度
- 2048 tokens
- 批次大小
- 512
- GPU 层数
- 20
- Flash Attention
- 开启
硬件信息
标称与实测并排陈列，能否运行由读者自判
- GPU
- NVIDIA Jetson AGX Orin 64GB
- 标称显存
- 64 GB
- 实测显存（均值）
- 10.16 GB
- 系统
- JetPack 6.0
- 驱动
- NVIDIA L4T 36.3
- CUDA
- 12.6
- 电源功耗
- 23.7 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.33 · JetPack 6.0 · CUDA 12.6 · 2048 ctx
81.76 tok/s
Decode
342.2 tok/s
Prefill
0.11 s
TTFT
10.16 GB
VRAM
—
MTP
23.7 W
功耗
L2 batch seed 2026-10-16: llama.cpp on hw_id=76 running model_id=53 at IQ2_XS