返回搜索结果
Qwen3.8-9B · IQ3_S
NVIDIA H2097GBvLLM v0.54L2 跨框架验证
本页汇总 Qwen3.8-9B（IQ3_S）在 NVIDIA H20 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。
57.73 tok/s
Decode
解码速度
250.91 tok/s
Prefill
预填充速度
1.7 s
TTFT
首 token 延迟
14.57 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
- vLLM · IQ3_S （当前）Decode 57.73 · Prefill 250.91 ·
- vLLM · Q3_K_L Decode 54.56 · Prefill 274.28 ·
- Strata · IQ3_S Decode 80.72 · Prefill 287.96 ·
- Strata · Q3_K_M Decode 74.4 · Prefill 349.95 ·
核心数据
- Decode（平均）
- 57.73 tok/s
- Prefill（平均）
- 250.91 tok/s
- TTFT（平均）
- 1.7 s
- VRAM（平均）
- 14.57 GB
- MTP 接受率
- —
- TTFB
- 0.46 GB
- 功耗
- 394.8 W
基础配置
成员级字段取自最近一次实测
- 模型
- Qwen3.8-9B
- 量化方式
- IQ3_S
- 框架
- vLLM
- 版本
- v0.54
- 上下文长度
- 32768 tokens
- 批次大小
- 16
- 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 H20
- 标称显存
- 97 GB
- 实测显存（均值）
- 14.57 GB
- 系统
- Ubuntu 24.04
- 驱动
- 572.83
- CUDA
- 12.6
- 电源功耗
- 394.8 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.54 · Ubuntu 24.04 · CUDA 12.6 · 32768 ctx
57.73 tok/s
Decode
250.91 tok/s
Prefill
1.7 s
TTFT
14.57 GB
VRAM
—
MTP
394.8 W
功耗
L2 batch seed 2026-10-19: vLLM on hw_id=56 running model_id=52 at IQ3_S