返回搜索结果
Qwen3.8-9B · Q4_K_M
NVIDIA RTX 508016GBvLLM v0.33L2 跨框架验证
本页汇总 Qwen3.8-9B（Q4_K_M）在 NVIDIA RTX 5080 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。
152.58 tok/s
Decode
解码速度
685.84 tok/s
Prefill
预填充速度
2.25 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
- vLLM · Q4_K_M （当前）Decode 152.58 · Prefill 685.84 ·
- Strata · IQ2_M Decode 294.71 · Prefill 1507.15 ·
- Strata · IQ3_XS Decode 265.22 · Prefill 1010.61 ·
- llama.cpp · IQ4_XS 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）
- 152.58 tok/s
- Prefill（平均）
- 685.84 tok/s
- TTFT（平均）
- 2.25 s
- VRAM（平均）
- 15.2 GB
- MTP 接受率
- —
- TTFB
- 1.22 GB
- 功耗
- 237.7 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
- Q4_K_M
- 框架
- vLLM
- 版本
- v0.33
- 上下文长度
- 2048 tokens
- 批次大小
- 8
- GPU 层数
- 999
- 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）
- 15.2 GB
- 系统
- Windows 11 23H2
- 驱动
- 565.57
- CUDA
- 13.0
- 电源功耗
- 237.7 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.33 · Windows 11 23H2 · CUDA 13.0 · 2048 ctx
152.58 tok/s
Decode
685.84 tok/s
Prefill
2.25 s
TTFT
15.2 GB
VRAM
—
MTP
237.7 W
功耗
L2 batch seed 2026-10-18: vLLM on hw_id=14 running model_id=52 at Q4_K_M