返回搜索结果
Qwen3-8B · IQ1_S
NVIDIA RTX 408016GBvLLM v0.55L2 跨框架验证
本页汇总 Qwen3-8B（IQ1_S）在 NVIDIA RTX 4080 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。
150.38 tok/s
Decode
解码速度
727.2 tok/s
Prefill
预填充速度
1.81 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 Decode 141.07 · Prefill 456.51 ·
- llama.cpp · IQ3_S Decode 105.08 · Prefill 472.34 ·
- vLLM · IQ1_S （当前）Decode 150.38 · Prefill 727.2 ·
核心数据
- Decode（平均）
- 150.38 tok/s
- Prefill（平均）
- 727.2 tok/s
- TTFT（平均）
- 1.81 s
- VRAM（平均）
- 9.16 GB
- MTP 接受率
- —
- TTFB
- 1.2 GB
- 功耗
- 280.7 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
- IQ1_S
- 框架
- vLLM
- 版本
- v0.55
- 上下文长度
- 32768 tokens
- 批次大小
- 32
- 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 4080
- 标称显存
- 16 GB
- 实测显存（均值）
- 9.16 GB
- 系统
- Ubuntu 22.04
- 驱动
- 565.57
- CUDA
- 12.6
- 电源功耗
- 280.7 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.55 · Ubuntu 22.04 · CUDA 12.6 · 32768 ctx
150.38 tok/s
Decode
727.2 tok/s
Prefill
1.81 s
TTFT
9.16 GB
VRAM
—
MTP
280.7 W
功耗
L2 batch seed 2026-10-13: vLLM on hw_id=41 running model_id=53 at IQ1_S