返回搜索结果
Qwen3.8-9B · IQ2_M
NVIDIA RTX 4080 Super16GBvLLM v0.32L2 跨框架验证
本页汇总 Qwen3.8-9B（IQ2_M）在 NVIDIA RTX 4080 Super 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。
181.18 tok/s
Decode
解码速度
718.16 tok/s
Prefill
预填充速度
1.97 s
TTFT
首 token 延迟
11.93 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
- vLLM · IQ2_M （当前）Decode 181.18 · Prefill 718.16 ·
- Strata · Q3_K_M Decode 213.25 · Prefill 900.93 ·
- Strata · Q3_K_S Decode 210.74 · Prefill 935.82 ·
- llama.cpp · IQ1_S Decode 204.16 · Prefill 1111.21 ·
- Ollama · IQ2_XS Decode 174.28 · Prefill 597.11 ·
- Ollama · Q3_K_M Decode 141.22 · Prefill 455.03 ·
核心数据
- Decode（平均）
- 181.18 tok/s
- Prefill（平均）
- 718.16 tok/s
- TTFT（平均）
- 1.97 s
- VRAM（平均）
- 11.93 GB
- MTP 接受率
- —
- TTFB
- 1.45 GB
- 功耗
- 214.6 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
- IQ2_M
- 框架
- vLLM
- 版本
- v0.32
- 上下文长度
- 4096 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 RTX 4080 Super
- 标称显存
- 16 GB
- 实测显存（均值）
- 11.93 GB
- 系统
- Ubuntu 22.04
- 驱动
- 565.57
- CUDA
- 12.6
- 电源功耗
- 214.6 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.32 · Ubuntu 22.04 · CUDA 12.6 · 4096 ctx
181.18 tok/s
Decode
718.16 tok/s
Prefill
1.97 s
TTFT
11.93 GB
VRAM
—
MTP
214.6 W
功耗
L2 batch seed 2026-10-19: vLLM on hw_id=20 running model_id=52 at IQ2_M