返回搜索结果
Qwen3.8-9B · Q3_K_S
NVIDIA RTX 509032GBvLLM v0.42L2 跨框架验证
本页汇总 Qwen3.8-9B（Q3_K_S）在 NVIDIA RTX 5090 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。
286.31 tok/s
Decode
解码速度
1,535.26 tok/s
Prefill
预填充速度
0.79 s
TTFT
首 token 延迟
14.38 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
2 天前
最后验证
性能表现
- Ollama · Q3_K_S Decode 237.4 · Prefill 1150.93 ·
- Strata · Q3_K_L Decode 349.94 · Prefill 1124.59 ·
- vLLM · Q3_K_S （当前）Decode 286.31 · Prefill 1535.26 ·
- vLLM · Q8_0 Decode 152.59 · Prefill 801.24 ·
- 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）
- 286.31 tok/s
- Prefill（平均）
- 1,535.26 tok/s
- TTFT（平均）
- 0.79 s
- VRAM（平均）
- 14.38 GB
- MTP 接受率
- —
- TTFB
- 2.29 GB
- 功耗
- 322.1 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_S
- 框架
- vLLM
- 版本
- v0.42
- 上下文长度
- 4096 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 5090
- 标称显存
- 32 GB
- 实测显存（均值）
- 14.38 GB
- 系统
- macOS 15.0
- 驱动
- 570.86
- CUDA
- 12.4
- 电源功耗
- 322.1 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.42 · macOS 15.0 · CUDA 12.4 · 4096 ctx
286.31 tok/s
Decode
1,535.26 tok/s
Prefill
0.79 s
TTFT
14.38 GB
VRAM
—
MTP
322.1 W
功耗
L2 batch seed 2026-10-16: vLLM on hw_id=13 running model_id=52 at Q3_K_S