返回搜索结果
Qwen3-8B · Q5_K_M
NVIDIA RTX 509032GBllama.cpp v0.44L2 跨框架验证
本页汇总 Qwen3-8B(Q5_K_M)在 NVIDIA RTX 5090 上以 llama.cpp 运行的 2 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。
221.44 tok/s
Decode
解码速度
1,381.14 tok/s
Prefill
预填充速度
0.7 s
TTFT
首 token 延迟
12.06 GB
VRAM
显存占用
L2 跨框架验证
2
实测次数
1
独立来源
其他
来源平台
2026-10-18
最后验证
性能表现
- Ollama · IQ3_S Decode 275.39 · Prefill 1404.89 ·
- Strata · IQ4_XS Decode 340.69 · Prefill 1198.68 ·
- llama.cpp · IQ4_XS Decode 256.42 · Prefill 1150.82 ·
- llama.cpp · Q5_K_M (当前)Decode 221.44 · Prefill 1381.14 ·
- vLLM · IQ3_S Decode 285.95 · Prefill 1301.24 ·
- llama.cpp · Q6_K Decode 184.6 · Prefill 725.28 ·
- vLLM · IQ2_M Decode 325.14 · Prefill 1583.07 ·
- vLLM · Q2_K Decode 357.71 · Prefill 1294.78 ·
- vLLM · IQ4_XS Decode 252.51 · Prefill 829.1 ·
- Ollama · Q5_K_M Decode 172.9 · Prefill 940.17 ·
- llama.cpp · Q8_0 Decode 162.5 · Prefill 1218.8 ·
- llama.cpp · Q4_K_M Decode 285.3 · Prefill 2139.8 ·
核心数据
- Decode(平均)
- 221.44 tok/s
- Prefill(平均)
- 1,381.14 tok/s
- TTFT(平均)
- 0.7 s
- VRAM(平均)
- 12.06 GB
- MTP 接受率
- —
- TTFB
- 1.65 GB
- 功耗
- 453.4 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
- llama.cpp
- 版本
- v0.44
- 上下文长度
- 4096 tokens
- 批次大小
- 256
- 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 5090
- 标称显存
- 32 GB
- 实测显存(均值)
- 12.06 GB
- 系统
- Ubuntu 24.04
- 驱动
- 572.83
- CUDA
- 12.4
- 电源功耗
- 453.4 W
来源与证据
共 2 条实测记录,逐条可回溯到原始出处
v0.44 · Ubuntu 24.04 · CUDA 12.4 · 4096 ctx
205.97 tok/s
Decode
985.47 tok/s
Prefill
1.34 s
TTFT
17.72 GB
VRAM
—
MTP
453.4 W
功耗
L2 batch seed 2026-10-18: llama.cpp on hw_id=13 running model_id=53 at Q5_K_M
b4200 · Linux · CUDA 12.6 · 4096 ctx
236.9 tok/s
Decode
1,776.8 tok/s
Prefill
0.06 s
TTFT
6.4 GB
VRAM
—
MTP
— W
功耗
L0 理论估算(add-1000-records-batch3)