Arao AI
返回搜索结果

Qwen3-8B · IQ3_S

发起讨论
NVIDIA RTX 409024GBvLLM v0.43L2 跨框架验证

本页汇总 Qwen3-8B（IQ3_S）在 NVIDIA RTX 4090 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。

161.14 tok/s

Decode

解码速度

813.02 tok/s

Prefill

预填充速度

1.76 s

TTFT

首 token 延迟

13.19 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

16 天前

最后验证

性能表现

  1. llama.cpp · Q4_K_M Decode 142.71 · Prefill 813.73 ·
  2. vLLM · IQ3_S （当前）Decode 161.14 · Prefill 813.02 ·
  3. llama.cpp · IQ1_S Decode 187.88 · Prefill 983.15 ·
  4. llama.cpp · Q8_0 Decode 87.18 · Prefill 465.1 ·
  5. vLLM · Q2_K Decode 164.91 · Prefill 671.93 ·
  6. llama.cpp · Q6_K Decode 88.33 · Prefill 428.17 ·
  7. vLLM · Q4_K_S Decode 126.59 · Prefill 467.91 ·
  8. vLLM · Q8_0 Decode 76.65 · Prefill 513.21 ·
  9. Ollama · Q6_K Decode 82.66 · Prefill 332.47 ·
  10. llama.cpp · IQ4_XS Decode 112 · Prefill 1323 ·
  11. vLLM · IQ4_XS Decode 104 · Prefill 1176 ·
  12. vLLM · Q4_K_M Decode 96 · Prefill 1061 ·
  13. vLLM · Q5_K_M Decode 95 · Prefill 815 ·
  14. Ollama · Q4_K_M Decode 113 · Prefill 922 ·
  15. Ollama · Q5_K_M Decode 95 · Prefill 1090 ·
  16. llama.cpp · Q5_K_M Decode 133.3 · Prefill 999.8 ·

核心数据

Decode（平均）
161.14 tok/s
Prefill（平均）
813.02 tok/s
TTFT（平均）
1.76 s
VRAM（平均）
13.19 GB
MTP 接受率
—
TTFB
1.29 GB
功耗
397.7 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
IQ3_S
框架
vLLM
版本
v0.43
上下文长度
32768 tokens
批次大小
16
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 4090
标称显存
24 GB
实测显存（均值）
13.19 GB
系统
Windows 11 23H2
驱动
570.86
CUDA
12.8
电源功耗
397.7 W

来源与证据

共 1 条实测记录，逐条可回溯到原始出处

  1. L2 跨框架验证其他原始链接 验证于 2026-10-19

    v0.43 · Windows 11 23H2 · CUDA 12.8 · 32768 ctx

    161.14 tok/s

    Decode

    813.02 tok/s

    Prefill

    1.76 s

    TTFT

    13.19 GB

    VRAM

    —

    MTP

    397.7 W

    功耗

    L2 batch seed 2026-10-19: vLLM on hw_id=1 running model_id=53 at IQ3_S