返回搜索结果
Qwen3-8B · Q4_K_M
NVIDIA RTX 409024GBllama.cpp v0.48L2 跨框架验证
本页汇总 Qwen3-8B(Q4_K_M)在 NVIDIA RTX 4090 上以 llama.cpp 运行的 2 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。
142.71 tok/s
Decode
解码速度
813.73 tok/s
Prefill
预填充速度
1.2 s
TTFT
首 token 延迟
10.64 GB
VRAM
显存占用
L2 跨框架验证
2
实测次数
1
独立来源
其他
来源平台
2026-10-19
最后验证
性能表现
- llama.cpp · Q4_K_M (当前)Decode 142.71 · Prefill 813.73 ·
- vLLM · IQ3_S Decode 161.14 · Prefill 813.02 ·
- llama.cpp · IQ1_S Decode 187.88 · Prefill 983.15 ·
- llama.cpp · Q8_0 Decode 87.18 · Prefill 465.1 ·
- vLLM · Q2_K Decode 164.91 · Prefill 671.93 ·
- llama.cpp · Q6_K Decode 88.33 · Prefill 428.17 ·
- vLLM · Q4_K_S Decode 126.59 · Prefill 467.91 ·
- vLLM · Q8_0 Decode 76.65 · Prefill 513.21 ·
- Ollama · Q6_K Decode 82.66 · Prefill 332.47 ·
- llama.cpp · IQ4_XS Decode 112 · Prefill 1323 ·
- vLLM · IQ4_XS Decode 104 · Prefill 1176 ·
- vLLM · Q4_K_M Decode 96 · Prefill 1061 ·
- vLLM · Q5_K_M Decode 95 · Prefill 815 ·
- Ollama · Q4_K_M Decode 113 · Prefill 922 ·
- Ollama · Q5_K_M Decode 95 · Prefill 1090 ·
- llama.cpp · Q5_K_M Decode 133.3 · Prefill 999.8 ·
核心数据
- Decode(平均)
- 142.71 tok/s
- Prefill(平均)
- 813.73 tok/s
- TTFT(平均)
- 1.2 s
- VRAM(平均)
- 10.64 GB
- MTP 接受率
- —
- TTFB
- 1 GB
- 功耗
- 302.1 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
- Q4_K_M
- 框架
- llama.cpp
- 版本
- v0.48
- 上下文长度
- 32768 tokens
- 批次大小
- 512
- GPU 层数
- 33
- 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 4090
- 标称显存
- 24 GB
- 实测显存(均值)
- 10.64 GB
- 系统
- Windows 11 23H2
- 驱动
- 560.94
- CUDA
- 12.8
- 电源功耗
- 302.1 W
来源与证据
共 2 条实测记录,逐条可回溯到原始出处
v0.48 · Windows 11 23H2 · CUDA 12.8 · 32768 ctx
124.91 tok/s
Decode
423.65 tok/s
Prefill
2.32 s
TTFT
15.88 GB
VRAM
—
MTP
302.1 W
功耗
L2 batch seed 2026-10-19: llama.cpp on hw_id=1 running model_id=53 at Q4_K_M
b4200 · Linux · CUDA 12.6 · 4096 ctx
160.5 tok/s
Decode
1,203.8 tok/s
Prefill
0.08 s
TTFT
5.4 GB
VRAM
—
MTP
— W
功耗
L0 理论估算(add-1000-records-batch3)