返回搜索结果
Qwen3.8-9B · Q8_0
NVIDIA RTX 309024GBllama.cpp v0.35L2 跨框架验证
本页汇总 Qwen3.8-9B（Q8_0）在 NVIDIA RTX 3090 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。
44.9 tok/s
Decode
解码速度
150.43 tok/s
Prefill
预填充速度
1.34 s
TTFT
首 token 延迟
22.8 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
- llama.cpp · IQ2_XS Decode 104.18 · Prefill 429.42 ·
- llama.cpp · Q8_0 （当前）Decode 44.9 · Prefill 150.43 ·
- Strata · IQ3_XS Decode 134.6 · Prefill 685.06 ·
- Strata · Q3_K_L Decode 103.74 · Prefill 393.26 ·
- llama.cpp · Q3_K_L Decode 79.17 · Prefill 416.87 ·
- Ollama · Q5_K_S Decode 58.86 · Prefill 223.43 ·
- Ollama · Q8_0 Decode 46.15 · Prefill 154.63 ·
- llama.cpp · Q3_K_S Decode 130.89 · Prefill 575.17 ·
- Ollama · IQ4_XS Decode 98.13 · Prefill 496.33 ·
核心数据
- Decode（平均）
- 44.9 tok/s
- Prefill（平均）
- 150.43 tok/s
- TTFT（平均）
- 1.34 s
- VRAM（平均）
- 22.8 GB
- MTP 接受率
- —
- TTFB
- 0.36 GB
- 功耗
- 302.2 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
- Q8_0
- 框架
- llama.cpp
- 版本
- v0.35
- 上下文长度
- 32768 tokens
- 批次大小
- 256
- GPU 层数
- 28
- 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 RTX 3090
- 标称显存
- 24 GB
- 实测显存（均值）
- 22.8 GB
- 系统
- Windows 11 23H2
- 驱动
- 560.94
- CUDA
- 12.4
- 电源功耗
- 302.2 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.35 · Windows 11 23H2 · CUDA 12.4 · 32768 ctx
44.9 tok/s
Decode
150.43 tok/s
Prefill
1.34 s
TTFT
22.8 GB
VRAM
—
MTP
302.2 W
功耗
L2 batch seed 2026-10-19: llama.cpp on hw_id=2 running model_id=52 at Q8_0