返回搜索结果
Qwen3-8B · Q3_K_S
NVIDIA RTX 4070 Ti12GBvLLM v0.40L2 跨框架验证
本页汇总 Qwen3-8B（Q3_K_S）在 NVIDIA RTX 4070 Ti 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。
137.13 tok/s
Decode
解码速度
568.71 tok/s
Prefill
预填充速度
1.75 s
TTFT
首 token 延迟
11.4 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 · Q3_K_S （当前）Decode 137.13 · Prefill 568.71 ·
- Strata · IQ3_XS Decode 173.97 · Prefill 939.34 ·
核心数据
- Decode（平均）
- 137.13 tok/s
- Prefill（平均）
- 568.71 tok/s
- TTFT（平均）
- 1.75 s
- VRAM（平均）
- 11.4 GB
- MTP 接受率
- —
- TTFB
- 1.1 GB
- 功耗
- 275.3 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
- Q3_K_S
- 框架
- vLLM
- 版本
- v0.40
- 上下文长度
- 2048 tokens
- 批次大小
- 8
- GPU 层数
- 999
- 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 4070 Ti
- 标称显存
- 12 GB
- 实测显存（均值）
- 11.4 GB
- 系统
- Ubuntu 24.04
- 驱动
- 565.57
- CUDA
- 12.8
- 电源功耗
- 275.3 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 12.8 · 2048 ctx
137.13 tok/s
Decode
568.71 tok/s
Prefill
1.75 s
TTFT
11.4 GB
VRAM
—
MTP
275.3 W
功耗
L2 batch seed 2026-10-18: vLLM on hw_id=42 running model_id=53 at Q3_K_S