返回搜索结果
Qwen3-8B · Q3_K_S
NVIDIA RTX 507012GBllama.cpp v0.20L2 跨框架验证
本页汇总 Qwen3-8B（Q3_K_S）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。
83.47 tok/s
Decode
解码速度
327.27 tok/s
Prefill
预填充速度
2.21 s
TTFT
首 token 延迟
11.4 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 Decode 93.24 · Prefill 441.9 ·
- llama.cpp · Q3_K_S （当前）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）
- 83.47 tok/s
- Prefill（平均）
- 327.27 tok/s
- TTFT（平均）
- 2.21 s
- VRAM（平均）
- 11.4 GB
- MTP 接受率
- —
- TTFB
- 0.67 GB
- 功耗
- 230.8 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
- Q3_K_S
- 框架
- llama.cpp
- 版本
- v0.20
- 上下文长度
- 2048 tokens
- 批次大小
- 512
- GPU 层数
- 99
- 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
- 标称显存
- 12 GB
- 实测显存（均值）
- 11.4 GB
- 系统
- Ubuntu 22.04
- 驱动
- 555.85
- CUDA
- 12.6
- 电源功耗
- 230.8 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.20 · Ubuntu 22.04 · CUDA 12.6 · 2048 ctx
83.47 tok/s
Decode
327.27 tok/s
Prefill
2.21 s
TTFT
11.4 GB
VRAM
—
MTP
230.8 W
功耗
L2 batch seed 2026-10-10: llama.cpp on hw_id=18 running model_id=53 at Q3_K_S