返回搜索结果

Qwen3.5-0.8B · Q8_0

发起讨论
NVIDIA RTX 3060 12GB12GBllama.cpp b4200L0 自报

本页汇总 Qwen3.5-0.8B(Q8_0)在 NVIDIA RTX 3060 12GB 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。

312 tok/s

Decode

解码速度

2,340 tok/s

Prefill

预填充速度

0.04 s

TTFT

首 token 延迟

1.4 GB

VRAM

显存占用

L0 自报

1

实测次数

1

独立来源

其他

来源平台

2026-10-06

最后验证

性能表现

  1. llama.cpp · FP16 Decode 72.92 · Prefill 274.88 ·
  2. llama.cpp · Q5_K_S Decode 132.45 · Prefill 600.24 ·
  3. Ollama · Q3_K_S Decode 138.92 · Prefill 607.45 ·
  4. Ollama · FP16 Decode 65.06 · Prefill 244.73 ·
  5. Ollama · Q2_K Decode 166.72 · Prefill 642.75 ·
  6. Strata · FP16 Decode 103.42 · Prefill 466.54 ·
  7. llama.cpp · Q3_K_S Decode 187.82 · Prefill 792.93 ·
  8. Ollama · Q3_K_L Decode 167.74 · Prefill 790.34 ·
  9. Ollama · Q5_K_M Decode 118.62 · Prefill 422.11 ·
  10. Strata · Q3_K_M Decode 279.25 · Prefill 1294.74 ·
  11. Strata · Q5_K_S Decode 214.78 · Prefill 1075.84 ·
  12. llama.cpp · Q8_0 (当前)Decode 312 · Prefill 2340 ·

核心数据

Decode(平均)
312 tok/s
Prefill(平均)
2,340 tok/s
TTFT(平均)
0.04 s
VRAM(平均)
1.4 GB
MTP 接受率
—
TTFB
— GB
功耗
— W

基础配置

成员级字段取自最近一次实测

模型
Qwen3.5-0.8B
量化方式
Q8_0
框架
llama.cpp
版本
b4200
上下文长度
4096 tokens
批次大小
512
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 3060 12GB
标称显存
12 GB
实测显存(均值)
1.4 GB
系统
Linux
驱动
570.65
CUDA
12.6

来源与证据

共 1 条实测记录,逐条可回溯到原始出处

  1. L0 自报其他原始链接 验证于 2026-10-06

    b4200 · Linux · CUDA 12.6 · 4096 ctx

    312 tok/s

    Decode

    2,340 tok/s

    Prefill

    0.04 s

    TTFT

    1.4 GB

    VRAM

    —

    MTP

    — W

    功耗

    L0 理论估算:基于显存带宽 ÷ 模型体积公式,结合框架实测效率因子校准