返回搜索结果
Qwen3.8-9B · IQ3_S
NVIDIA RTX 5070 Ti16GBvLLM v0.27L2 跨框架验证
本页汇总 Qwen3.8-9B（IQ3_S）在 NVIDIA RTX 5070 Ti 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。
103.59 tok/s
Decode
解码速度
387.95 tok/s
Prefill
预填充速度
1.29 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
今天
最后验证
性能表现
- vLLM · IQ3_S （当前）Decode 103.59 · Prefill 387.95 ·
- vLLM · Q3_K_M Decode 98.53 · Prefill 475.97 ·
- Ollama · IQ3_XS Decode 89.42 · Prefill 466.92 ·
- Ollama · Q2_K Decode 98.9 · Prefill 326.08 ·
核心数据
- Decode（平均）
- 103.59 tok/s
- Prefill（平均）
- 387.95 tok/s
- TTFT（平均）
- 1.29 s
- VRAM（平均）
- 14.57 GB
- MTP 接受率
- —
- TTFB
- 0.83 GB
- 功耗
- 277.9 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
- v0.27
- 上下文长度
- 2048 tokens
- 批次大小
- 8
- 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 5070 Ti
- 标称显存
- 16 GB
- 实测显存（均值）
- 14.57 GB
- 系统
- Ubuntu 22.04
- 驱动
- 572.83
- CUDA
- 12.8
- 电源功耗
- 277.9 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.27 · Ubuntu 22.04 · CUDA 12.8 · 2048 ctx
103.59 tok/s
Decode
387.95 tok/s
Prefill
1.29 s
TTFT
14.57 GB
VRAM
—
MTP
277.9 W
功耗
L2 batch seed 2026-10-18: vLLM on hw_id=17 running model_id=52 at IQ3_S