Arao AI
返回搜索结果

Qwen3.8-27B · Q2_K

发起讨论
NVIDIA RTX 509032GBvLLM v0.24L2 跨框架验证

本页汇总 Qwen3.8-27B（Q2_K）在 NVIDIA RTX 5090 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。

248.25 tok/s

Decode

解码速度

794.5 tok/s

Prefill

预填充速度

1.42 s

TTFT

首 token 延迟

30.4 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

  1. vLLM · Q2_K （当前）Decode 248.25 · Prefill 794.5 ·
  2. Ollama · Q2_K Decode 231.24 · Prefill 1001.06 ·
  3. llama.cpp · IQ4_XS Decode 95.7 · Prefill 717.8 ·
  4. llama.cpp · Q5_K_S Decode 76.8 · Prefill 576 ·
  5. llama.cpp · IQ3_XXS Decode 147.1 · Prefill 1103.3 ·
  6. llama.cpp · IQ3_S Decode 128.2 · Prefill 961.5 ·
  7. llama.cpp · Q6_K Decode 59 · Prefill 442.5 ·
  8. vLLM · Q4_K_M Decode 92.9 · Prefill 696.8 ·

核心数据

Decode（平均）
248.25 tok/s
Prefill（平均）
794.5 tok/s
TTFT（平均）
1.42 s
VRAM（平均）
30.4 GB
MTP 接受率
—
TTFB
1.99 GB
功耗
436.7 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
Q2_K
框架
vLLM
版本
v0.24
上下文长度
8192 tokens
批次大小
32
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 RTX 5090
标称显存
32 GB
实测显存（均值）
30.4 GB
系统
Ubuntu 22.04
驱动
570.86
CUDA
12.8
电源功耗
436.7 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 2026-10-10

    v0.24 · Ubuntu 22.04 · CUDA 12.8 · 8192 ctx

    248.25 tok/s

    Decode

    794.5 tok/s

    Prefill

    1.42 s

    TTFT

    30.4 GB

    VRAM

    —

    MTP

    436.7 W

    功耗

    L2 batch seed 2026-10-10: vLLM on hw_id=13 running model_id=5 at Q2_K