返回搜索结果
Qwen3-8B · IQ3_XS
NVIDIA RTX 309024GBvLLM v0.40L2 跨框架验证
本页汇总 Qwen3-8B（IQ3_XS）在 NVIDIA RTX 3090 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。
108.64 tok/s
Decode
解码速度
552.19 tok/s
Prefill
预填充速度
0.14 s
TTFT
首 token 延迟
12.52 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
今天
最后验证
性能表现
- vLLM · IQ3_XS （当前）Decode 108.64 · Prefill 552.19 ·
- Ollama · IQ4_XS Decode 96.65 · Prefill 382.18 ·
- Ollama · Q8_0 Decode 48.02 · Prefill 169.17 ·
- Strata · Q5_K_S Decode 138.04 · Prefill 495.5 ·
- llama.cpp · Q8_0 Decode 84.9 · Prefill 636.8 ·
- llama.cpp · Q5_K_M Decode 123.7 · Prefill 927.8 ·
- llama.cpp · Q4_K_M Decode 149 · Prefill 1117.5 ·
核心数据
- Decode（平均）
- 108.64 tok/s
- Prefill（平均）
- 552.19 tok/s
- TTFT（平均）
- 0.14 s
- VRAM（平均）
- 12.52 GB
- MTP 接受率
- —
- TTFB
- 0.87 GB
- 功耗
- 273.8 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
- IQ3_XS
- 框架
- vLLM
- 版本
- v0.40
- 上下文长度
- 16384 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 RTX 3090
- 标称显存
- 24 GB
- 实测显存（均值）
- 12.52 GB
- 系统
- Ubuntu 24.04
- 驱动
- 572.83
- CUDA
- 12.4
- 电源功耗
- 273.8 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.40 · Ubuntu 24.04 · CUDA 12.4 · 16384 ctx
108.64 tok/s
Decode
552.19 tok/s
Prefill
0.14 s
TTFT
12.52 GB
VRAM
—
MTP
273.8 W
功耗
L2 batch seed 2026-10-18: vLLM on hw_id=2 running model_id=53 at IQ3_XS