返回搜索结果
Qwen3-8B · IQ3_XS
NVIDIA RTX 4060 Ti 16GB16GBvLLM v0.27L2 跨框架验证
本页汇总 Qwen3-8B（IQ3_XS）在 NVIDIA RTX 4060 Ti 16GB 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。
103.03 tok/s
Decode
解码速度
480.63 tok/s
Prefill
预填充速度
0.71 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
5 天前
最后验证
性能表现
- llama.cpp · IQ3_XS Decode 120.55 · Prefill 447.58 ·
- llama.cpp · Q2_K Decode 129.58 · Prefill 532.02 ·
- vLLM · Q3_K_L Decode 108.14 · Prefill 543.11 ·
- vLLM · IQ3_XS （当前）Decode 103.03 · Prefill 480.63 ·
核心数据
- Decode（平均）
- 103.03 tok/s
- Prefill（平均）
- 480.63 tok/s
- TTFT（平均）
- 0.71 s
- VRAM（平均）
- 12.52 GB
- MTP 接受率
- —
- TTFB
- 0.82 GB
- 功耗
- 276.7 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
- IQ3_XS
- 框架
- vLLM
- 版本
- v0.27
- 上下文长度
- 2048 tokens
- 批次大小
- 16
- 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 4060 Ti 16GB
- 标称显存
- 16 GB
- 实测显存（均值）
- 12.52 GB
- 系统
- Ubuntu 22.04
- 驱动
- 560.94
- CUDA
- 12.6
- 电源功耗
- 276.7 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.27 · Ubuntu 22.04 · CUDA 12.6 · 2048 ctx
103.03 tok/s
Decode
480.63 tok/s
Prefill
0.71 s
TTFT
12.52 GB
VRAM
—
MTP
276.7 W
功耗
L2 batch seed 2026-10-13: vLLM on hw_id=3 running model_id=53 at IQ3_XS