返回搜索结果
Qwen3-8B · IQ1_S
NVIDIA RTX 408016GBllama.cpp v0.46L2 跨框架验证
本页汇总 Qwen3-8B（IQ1_S）在 NVIDIA RTX 4080 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。
141.07 tok/s
Decode
解码速度
456.51 tok/s
Prefill
预填充速度
1.39 s
TTFT
首 token 延迟
9.16 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
5 天前
最后验证
性能表现
- Ollama · IQ3_S Decode 137.8 · Prefill 706.29 ·
- Ollama · IQ3_XS Decode 158.58 · Prefill 727 ·
- Strata · IQ3_S Decode 234.8 · Prefill 1203.48 ·
- Strata · IQ4_XS Decode 189.04 · Prefill 930.37 ·
- llama.cpp · IQ1_S （当前）Decode 141.07 · Prefill 456.51 ·
- llama.cpp · IQ3_S Decode 105.08 · Prefill 472.34 ·
- vLLM · IQ1_S Decode 150.38 · Prefill 727.2 ·
核心数据
- Decode（平均）
- 141.07 tok/s
- Prefill（平均）
- 456.51 tok/s
- TTFT（平均）
- 1.39 s
- VRAM（平均）
- 9.16 GB
- MTP 接受率
- —
- TTFB
- 1.13 GB
- 功耗
- 349.3 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
- IQ1_S
- 框架
- llama.cpp
- 版本
- v0.46
- 上下文长度
- 16384 tokens
- 批次大小
- 512
- GPU 层数
- 28
- 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 4080
- 标称显存
- 16 GB
- 实测显存（均值）
- 9.16 GB
- 系统
- Ubuntu 24.04
- 驱动
- 555.85
- CUDA
- 12.4
- 电源功耗
- 349.3 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.46 · Ubuntu 24.04 · CUDA 12.4 · 16384 ctx
141.07 tok/s
Decode
456.51 tok/s
Prefill
1.39 s
TTFT
9.16 GB
VRAM
—
MTP
349.3 W
功耗
L2 batch seed 2026-10-13: llama.cpp on hw_id=41 running model_id=53 at IQ1_S