Arao AI
返回搜索结果

Qwen3.8-27B · IQ2_XS

发起讨论
NVIDIA H2097GBllama.cpp v0.50L2 跨框架验证

本页汇总 Qwen3.8-27B（IQ2_XS）在 NVIDIA H20 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。

42.1 tok/s

Decode

解码速度

229.32 tok/s

Prefill

预填充速度

2.23 s

TTFT

首 token 延迟

29.32 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

17 天前

最后验证

性能表现

  1. llama.cpp · IQ2_XS （当前）Decode 42.1 · Prefill 229.32 ·
  2. Strata · Q2_K Decode 52.83 · Prefill 205.52 ·
  3. Strata · Q4_K_M Decode 39.14 · Prefill 148.55 ·

核心数据

Decode（平均）
42.1 tok/s
Prefill（平均）
229.32 tok/s
TTFT（平均）
2.23 s
VRAM（平均）
29.32 GB
MTP 接受率
—
TTFB
0.34 GB
功耗
387.3 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
IQ2_XS
框架
llama.cpp
版本
v0.50
上下文长度
2048 tokens
批次大小
256
GPU 层数
20
Flash Attention
关闭

硬件信息

标称与实测并排陈列，能否运行由读者自判

GPU
NVIDIA H20
标称显存
97 GB
实测显存（均值）
29.32 GB
系统
Ubuntu 24.04
驱动
572.83
CUDA
12.8
电源功耗
387.3 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

    v0.50 · Ubuntu 24.04 · CUDA 12.8 · 2048 ctx

    42.1 tok/s

    Decode

    229.32 tok/s

    Prefill

    2.23 s

    TTFT

    29.32 GB

    VRAM

    —

    MTP

    387.3 W

    功耗

    L2 batch seed 2026-10-19: llama.cpp on hw_id=56 running model_id=5 at IQ2_XS