返回搜索结果
Qwen3-8B · Q6_K
NVIDIA RTX 409024GBllama.cpp v0.40L2 跨框架验证
本页汇总 Qwen3-8B（Q6_K）在 NVIDIA RTX 4090 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。
88.33 tok/s
Decode
解码速度
428.17 tok/s
Prefill
预填充速度
1.75 s
TTFT
首 token 延迟
18.9 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 · Q6_K （当前）Decode 88.33 · Prefill 428.17 ·
- llama.cpp · Q8_0 Decode 89.31 · Prefill 494.75 ·
- 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 ·
- llama.cpp · Q4_K_M Decode 160.5 · Prefill 1203.8 ·
核心数据
- Decode（平均）
- 88.33 tok/s
- Prefill（平均）
- 428.17 tok/s
- TTFT（平均）
- 1.75 s
- VRAM（平均）
- 18.9 GB
- MTP 接受率
- —
- TTFB
- 0.71 GB
- 功耗
- 393.4 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
- Q6_K
- 框架
- llama.cpp
- 版本
- v0.40
- 上下文长度
- 8192 tokens
- 批次大小
- 256
- GPU 层数
- 20
- 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）
- 18.9 GB
- 系统
- macOS 15.0
- 驱动
- 565.57
- CUDA
- 12.4
- 电源功耗
- 393.4 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 · macOS 15.0 · CUDA 12.4 · 8192 ctx
88.33 tok/s
Decode
428.17 tok/s
Prefill
1.75 s
TTFT
18.9 GB
VRAM
—
MTP
393.4 W
功耗
L2 batch seed 2026-10-10: llama.cpp on hw_id=1 running model_id=53 at Q6_K