返回搜索结果
Qwen3-8B · IQ2_XS
NVIDIA RTX 4080 Super16GBllama.cpp v0.26L2 跨框架验证
本页汇总 Qwen3-8B（IQ2_XS）在 NVIDIA RTX 4080 Super 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。
195.22 tok/s
Decode
解码速度
907.33 tok/s
Prefill
预填充速度
1.39 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
今天
最后验证
性能表现
- llama.cpp · IQ2_XS （当前）Decode 195.22 · Prefill 907.33 ·
- vLLM · IQ2_M Decode 221.69 · Prefill 772.06 ·
核心数据
- Decode（平均）
- 195.22 tok/s
- Prefill（平均）
- 907.33 tok/s
- TTFT（平均）
- 1.39 s
- VRAM（平均）
- 10.16 GB
- MTP 接受率
- —
- TTFB
- 1.56 GB
- 功耗
- 278 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
- v0.26
- 上下文长度
- 32768 tokens
- 批次大小
- 512
- GPU 层数
- 28
- 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 4080 Super
- 标称显存
- 16 GB
- 实测显存（均值）
- 10.16 GB
- 系统
- Ubuntu 24.04
- 驱动
- 565.57
- CUDA
- 12.6
- 电源功耗
- 278 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.26 · Ubuntu 24.04 · CUDA 12.6 · 32768 ctx
195.22 tok/s
Decode
907.33 tok/s
Prefill
1.39 s
TTFT
10.16 GB
VRAM
—
MTP
278 W
功耗
L2 batch seed 2026-10-18: llama.cpp on hw_id=20 running model_id=53 at IQ2_XS