Arao AI
返回搜索结果

Qwen3.8-27B · Q5_K_M

发起讨论
NVIDIA H100 80GB HBM380GBvLLM v0.41L2 跨框架验证

本页汇总 Qwen3.8-27B（Q5_K_M）在 NVIDIA H100 80GB HBM3 上以 vLLM 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。

206.52 tok/s

Decode

解码速度

1,029.93 tok/s

Prefill

预填充速度

0.84 s

TTFT

首 token 延迟

54.83 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

16 天前

最后验证

性能表现

  1. vLLM · Q4_K_M Decode 224.13 · Prefill 1208.86 ·
  2. vLLM · Q5_K_M （当前）Decode 206.52 · Prefill 1029.93 ·
  3. Strata · IQ2_M Decode 325.92 · Prefill 1772.8 ·

核心数据

Decode（平均）
206.52 tok/s
Prefill（平均）
1,029.93 tok/s
TTFT（平均）
0.84 s
VRAM（平均）
54.83 GB
MTP 接受率
—
TTFB
1.65 GB
功耗
589.1 W

基础配置

成员级字段取自最近一次实测

模型
Qwen3.8-27B
量化方式
Q5_K_M
框架
vLLM
版本
v0.41
上下文长度
4096 tokens
批次大小
8
GPU 层数
999
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 H100 80GB HBM3
标称显存
80 GB
实测显存（均值）
54.83 GB
系统
Ubuntu 24.04
驱动
565.57
CUDA
12.8
电源功耗
589.1 W

获取与上手

原始模型资料

以下为基础模型入口，不保证与本次量化版本一致；部署请使用上方已核实权重。

来源与证据

共 1 条实测记录，逐条可回溯到原始出处

  1. L2 跨框架验证其他原始链接 验证于 2026-10-19

    v0.41 · Ubuntu 24.04 · CUDA 12.8 · 4096 ctx

    206.52 tok/s

    Decode

    1,029.93 tok/s

    Prefill

    0.84 s

    TTFT

    54.83 GB

    VRAM

    —

    MTP

    589.1 W

    功耗

    L2 batch seed 2026-10-19: vLLM on hw_id=55 running model_id=5 at Q5_K_M