返回搜索结果
Qwen3-8B · Q4_K_S
NVIDIA RTX 5070 Ti16GBOllama v0.53L2 跨框架验证
本页汇总 Qwen3-8B（Q4_K_S）在 NVIDIA RTX 5070 Ti 上以 Ollama 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。
82.54 tok/s
Decode
解码速度
372.44 tok/s
Prefill
预填充速度
1.82 s
TTFT
首 token 延迟
15.2 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 · Q3_K_M Decode 110.54 · Prefill 601.05 ·
- Ollama · Q4_K_S （当前）Decode 82.54 · Prefill 372.44 ·
核心数据
- Decode（平均）
- 82.54 tok/s
- Prefill（平均）
- 372.44 tok/s
- TTFT（平均）
- 1.82 s
- VRAM（平均）
- 15.2 GB
- MTP 接受率
- —
- TTFB
- 0.66 GB
- 功耗
- 243.9 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_S
- 框架
- Ollama
- 版本
- v0.53
- 上下文长度
- 16384 tokens
- 批次大小
- 512
- GPU 层数
- 28
- Flash Attention
- 关闭
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 5070 Ti
- 标称显存
- 16 GB
- 实测显存（均值）
- 15.2 GB
- 系统
- Ubuntu 24.04
- 驱动
- 565.57
- CUDA
- 13.0
- 电源功耗
- 243.9 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.53 · Ubuntu 24.04 · CUDA 13.0 · 16384 ctx
82.54 tok/s
Decode
372.44 tok/s
Prefill
1.82 s
TTFT
15.2 GB
VRAM
—
MTP
243.9 W
功耗
L2 batch seed 2026-10-18: Ollama on hw_id=17 running model_id=53 at Q4_K_S