返回搜索结果
Qwen3.8-9B · Q3_K_M
NVIDIA RTX 508016GBllama.cpp v0.29L2 跨框架验证
本页汇总 Qwen3.8-9B（Q3_K_M）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。
108.92 tok/s
Decode
解码速度
455.22 tok/s
Prefill
预填充速度
1.01 s
TTFT
首 token 延迟
14.95 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 Decode 97.14 · Prefill 496.38 ·
- llama.cpp · Q3_K_M （当前）Decode 108.92 · Prefill 455.22 ·
- vLLM · IQ2_M Decode 131.31 · Prefill 559.09 ·
核心数据
- Decode（平均）
- 108.92 tok/s
- Prefill（平均）
- 455.22 tok/s
- TTFT（平均）
- 1.01 s
- VRAM（平均）
- 14.95 GB
- MTP 接受率
- —
- TTFB
- 0.87 GB
- 功耗
- 262.5 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
- Q3_K_M
- 框架
- llama.cpp
- 版本
- v0.29
- 上下文长度
- 4096 tokens
- 批次大小
- 256
- GPU 层数
- 99
- 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 5080
- 标称显存
- 16 GB
- 实测显存（均值）
- 14.95 GB
- 系统
- Ubuntu 24.04
- 驱动
- 560.94
- CUDA
- 12.8
- 电源功耗
- 262.5 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.29 · Ubuntu 24.04 · CUDA 12.8 · 4096 ctx
108.92 tok/s
Decode
455.22 tok/s
Prefill
1.01 s
TTFT
14.95 GB
VRAM
—
MTP
262.5 W
功耗
L2 batch seed 2026-10-10: llama.cpp on hw_id=14 running model_id=52 at Q3_K_M