返回搜索结果
Qwen3-8B · IQ2_XS
NVIDIA RTX 507012GBllama.cpp v0.53L2 跨框架验证
本页汇总 Qwen3-8B（IQ2_XS）在 NVIDIA RTX 5070 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。
93.24 tok/s
Decode
解码速度
441.9 tok/s
Prefill
预填充速度
1.39 s
TTFT
首 token 延迟
10.16 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 · IQ2_XS （当前）Decode 93.24 · Prefill 441.9 ·
- llama.cpp · Q3_K_S Decode 83.47 · Prefill 327.27 ·
- Strata · IQ3_XS Decode 128.34 · Prefill 480.77 ·
- llama.cpp · Q8_0 Decode 60.9 · Prefill 456.8 ·
- llama.cpp · Q5_K_M Decode 88.8 · Prefill 666 ·
- llama.cpp · Q4_K_M Decode 107 · Prefill 802.5 ·
核心数据
- Decode（平均）
- 93.24 tok/s
- Prefill（平均）
- 441.9 tok/s
- TTFT（平均）
- 1.39 s
- VRAM（平均）
- 10.16 GB
- MTP 接受率
- —
- TTFB
- 0.75 GB
- 功耗
- 276.7 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
- IQ2_XS
- 框架
- llama.cpp
- 版本
- v0.53
- 上下文长度
- 8192 tokens
- 批次大小
- 256
- GPU 层数
- 28
- 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 5070
- 标称显存
- 12 GB
- 实测显存（均值）
- 10.16 GB
- 系统
- Ubuntu 24.04
- 驱动
- 565.57
- CUDA
- 12.8
- 电源功耗
- 276.7 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 12.8 · 8192 ctx
93.24 tok/s
Decode
441.9 tok/s
Prefill
1.39 s
TTFT
10.16 GB
VRAM
—
MTP
276.7 W
功耗
L2 batch seed 2026-10-10: llama.cpp on hw_id=18 running model_id=53 at IQ2_XS