返回搜索结果
Qwen3-8B · Q6_K
NVIDIA RTX 509032GBllama.cpp v0.32L2 跨框架验证
本页汇总 Qwen3-8B（Q6_K）在 NVIDIA RTX 5090 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。
179.01 tok/s
Decode
解码速度
827.24 tok/s
Prefill
预填充速度
0.83 s
TTFT
首 token 延迟
18.9 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 253.29 · Prefill 909.82 ·
- llama.cpp · Q6_K （当前）Decode 179.01 · Prefill 827.24 ·
- vLLM · IQ3_S Decode 284.83 · Prefill 1483.72 ·
- 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 · Q5_K_M Decode 236.9 · Prefill 1776.8 ·
- llama.cpp · Q4_K_M Decode 285.3 · Prefill 2139.8 ·
核心数据
- Decode（平均）
- 179.01 tok/s
- Prefill（平均）
- 827.24 tok/s
- TTFT（平均）
- 0.83 s
- VRAM（平均）
- 18.9 GB
- MTP 接受率
- —
- TTFB
- 1.43 GB
- 功耗
- 444.9 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
- Q6_K
- 框架
- llama.cpp
- 版本
- v0.32
- 上下文长度
- 32768 tokens
- 批次大小
- 512
- GPU 层数
- 33
- 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）
- 18.9 GB
- 系统
- Ubuntu 22.04
- 驱动
- 565.57
- CUDA
- 12.6
- 电源功耗
- 444.9 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.32 · Ubuntu 22.04 · CUDA 12.6 · 32768 ctx
179.01 tok/s
Decode
827.24 tok/s
Prefill
0.83 s
TTFT
18.9 GB
VRAM
—
MTP
444.9 W
功耗
L2 batch seed 2026-10-10: llama.cpp on hw_id=13 running model_id=53 at Q6_K