返回搜索结果
Qwen3.8-9B · IQ2_XS
NVIDIA RTX 509032GBllama.cpp v0.30L2 跨框架验证
本页汇总 Qwen3.8-9B（IQ2_XS）在 NVIDIA RTX 5090 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。
304.42 tok/s
Decode
解码速度
1,543.97 tok/s
Prefill
预填充速度
0.28 s
TTFT
首 token 延迟
11.17 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
- llama.cpp · IQ2_XS （当前）Decode 304.42 · Prefill 1543.97 ·
- llama.cpp · Q3_K_S Decode 289.63 · Prefill 1418.95 ·
- vLLM · Q2_K Decode 312.49 · Prefill 1617.22 ·
- vLLM · Q8_0 Decode 156.33 · Prefill 685.96 ·
- Ollama · Q3_K_S Decode 237.4 · Prefill 1150.93 ·
- Strata · Q3_K_L Decode 349.94 · Prefill 1124.59 ·
- vLLM · Q3_K_S Decode 286.31 · Prefill 1535.26 ·
- Strata · IQ1_S Decode 313.75 · Prefill 1522.32 ·
- Ollama · IQ4_XS Decode 224.73 · Prefill 806.05 ·
- Ollama · Q5_K_S Decode 182.89 · Prefill 696.63 ·
- Strata · Q5_K_S Decode 276.86 · Prefill 910.66 ·
核心数据
- Decode（平均）
- 304.42 tok/s
- Prefill（平均）
- 1,543.97 tok/s
- TTFT（平均）
- 0.28 s
- VRAM（平均）
- 11.17 GB
- MTP 接受率
- —
- TTFB
- 2.44 GB
- 功耗
- 385.8 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_XS
- 框架
- llama.cpp
- 版本
- v0.30
- 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 5090
- 标称显存
- 32 GB
- 实测显存（均值）
- 11.17 GB
- 系统
- Ubuntu 22.04
- 驱动
- 560.94
- CUDA
- 12.8
- 电源功耗
- 385.8 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.30 · Ubuntu 22.04 · CUDA 12.8 · 4096 ctx
304.42 tok/s
Decode
1,543.97 tok/s
Prefill
0.28 s
TTFT
11.17 GB
VRAM
—
MTP
385.8 W
功耗
L2 batch seed 2026-10-19: llama.cpp on hw_id=13 running model_id=52 at IQ2_XS