返回搜索结果
Qwen3.5-0.8B · IQ2_M
NVIDIA RTX 508016GBllama.cpp v0.27L2 跨框架验证
本页汇总 Qwen3.5-0.8B（IQ2_M）在 NVIDIA RTX 5080 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。
338.41 tok/s
Decode
解码速度
1,613.66 tok/s
Prefill
预填充速度
0.9 s
TTFT
首 token 延迟
2.97 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_M （当前）Decode 338.41 · Prefill 1613.66 ·
- Strata · FP16 Decode 178.36 · Prefill 737.11 ·
- Strata · Q4_K_S Decode 363.26 · Prefill 1495.67 ·
核心数据
- Decode（平均）
- 338.41 tok/s
- Prefill（平均）
- 1,613.66 tok/s
- TTFT（平均）
- 0.9 s
- VRAM（平均）
- 2.97 GB
- MTP 接受率
- —
- TTFB
- 2.71 GB
- 功耗
- 255.4 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
- IQ2_M
- 框架
- llama.cpp
- 版本
- v0.27
- 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 5080
- 标称显存
- 16 GB
- 实测显存（均值）
- 2.97 GB
- 系统
- Ubuntu 22.04
- 驱动
- 555.85
- CUDA
- 12.4
- 电源功耗
- 255.4 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.27 · Ubuntu 22.04 · CUDA 12.4 · 8192 ctx
338.41 tok/s
Decode
1,613.66 tok/s
Prefill
0.9 s
TTFT
2.97 GB
VRAM
—
MTP
255.4 W
功耗
L2 batch seed 2026-10-10: llama.cpp on hw_id=14 running model_id=51 at IQ2_M