返回搜索结果
Qwen3-8B · IQ2_M
NVIDIA RTX 3060 12GB12GBllama.cpp v0.55L2 跨框架验证
本页汇总 Qwen3-8B（IQ2_M）在 NVIDIA RTX 3060 12GB 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。
70.85 tok/s
Decode
解码速度
298.67 tok/s
Prefill
预填充速度
0.13 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 · IQ2_M （当前）Decode 70.85 · Prefill 298.67 ·
- vLLM · IQ3_S Decode 64 · Prefill 232.21 ·
- llama.cpp · IQ3_S Decode 81.43 · Prefill 366.11 ·
核心数据
- Decode（平均）
- 70.85 tok/s
- Prefill（平均）
- 298.67 tok/s
- TTFT（平均）
- 0.13 s
- VRAM（平均）
- 10.84 GB
- MTP 接受率
- —
- TTFB
- 0.57 GB
- 功耗
- 163.6 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
- v0.55
- 上下文长度
- 32768 tokens
- 批次大小
- 512
- GPU 层数
- 33
- 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 RTX 3060 12GB
- 标称显存
- 12 GB
- 实测显存（均值）
- 10.84 GB
- 系统
- Ubuntu 22.04
- 驱动
- 560.94
- CUDA
- 12.6
- 电源功耗
- 163.6 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.55 · Ubuntu 22.04 · CUDA 12.6 · 32768 ctx
70.85 tok/s
Decode
298.67 tok/s
Prefill
0.13 s
TTFT
10.84 GB
VRAM
—
MTP
163.6 W
功耗
L2 batch seed 2026-10-18: llama.cpp on hw_id=15 running model_id=53 at IQ2_M