返回搜索结果
Qwen3.8-9B · IQ4_XS
NVIDIA RTX 508016GBllama.cpp v0.25L2 跨框架验证
本页汇总 Qwen3.8-9B（IQ4_XS）在 NVIDIA RTX 5080 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。
97.14 tok/s
Decode
解码速度
496.38 tok/s
Prefill
预填充速度
0.95 s
TTFT
首 token 延迟
15.2 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
- llama.cpp · IQ4_XS （当前）Decode 97.14 · Prefill 496.38 ·
- llama.cpp · Q3_K_M Decode 108.92 · Prefill 455.22 ·
- vLLM · IQ2_M Decode 131.31 · Prefill 559.09 ·
核心数据
- Decode（平均）
- 97.14 tok/s
- Prefill（平均）
- 496.38 tok/s
- TTFT（平均）
- 0.95 s
- VRAM（平均）
- 15.2 GB
- MTP 接受率
- —
- TTFB
- 0.78 GB
- 功耗
- 315.9 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
- IQ4_XS
- 框架
- llama.cpp
- 版本
- v0.25
- 上下文长度
- 8192 tokens
- 批次大小
- 256
- GPU 层数
- 20
- 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 5080
- 标称显存
- 16 GB
- 实测显存（均值）
- 15.2 GB
- 系统
- macOS 15.0
- 驱动
- 555.85
- CUDA
- 12.8
- 电源功耗
- 315.9 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.25 · macOS 15.0 · CUDA 12.8 · 8192 ctx
97.14 tok/s
Decode
496.38 tok/s
Prefill
0.95 s
TTFT
15.2 GB
VRAM
—
MTP
315.9 W
功耗
L2 batch seed 2026-10-10: llama.cpp on hw_id=14 running model_id=52 at IQ4_XS