返回搜索结果
Qwen3-8B · Q5_K_M
NVIDIA RTX 409024GBvLLM 0.7.3L2 跨框架验证
本页汇总 Qwen3-8B（Q5_K_M）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。
95 tok/s
Decode
解码速度
815 tok/s
Prefill
预填充速度
1.97 s
TTFT
首 token 延迟
6 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 · 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 （当前）Decode 95 · Prefill 815 ·
- vLLM · Q8_0 Decode 62 · Prefill 723 ·
- Ollama · Q4_K_M Decode 113 · Prefill 922 ·
- Ollama · Q5_K_M Decode 95 · Prefill 1090 ·
- llama.cpp · Q8_0 Decode 91.4 · Prefill 685.5 ·
- 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）
- 95 tok/s
- Prefill（平均）
- 815 tok/s
- TTFT（平均）
- 1.97 s
- VRAM（平均）
- 6 GB
- MTP 接受率
- —
- TTFB
- — GB
- 功耗
- 223 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
- Q5_K_M
- 框架
- vLLM
- 版本
- 0.7.3
- 上下文长度
- 8192 tokens
- 批次大小
- 512
- GPU 层数
- 99
- 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）
- 6 GB
- 系统
- Linux 6.8.0
- 驱动
- 570.86.15
- CUDA
- 12.6
- 电源功耗
- 223 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
0.7.3 · Linux 6.8.0 · CUDA 12.6 · 8192 ctx
95 tok/s
Decode
815 tok/s
Prefill
1.97 s
TTFT
6 GB
VRAM
—
MTP
223 W
功耗
Auto-generated LLM-sourced record 2026-10-09. Model: Qwen3-8B, Hardware: RTX 4090, Framework: 2, Quant: Q5_K_M.