Arao AI
返回搜索结果

elephant-1 · Q4_K_S

发起讨论
NVIDIA RTX 509032GBllama.cpp v0.54L2 跨框架验证

本页汇总 elephant-1（Q4_K_S）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。

219.01 tok/s

Decode

解码速度

766.77 tok/s

Prefill

预填充速度

0.6 s

TTFT

首 token 延迟

16.84 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

13 天前

最后验证

性能表现

  1. llama.cpp · Q4_K_S （当前）Decode 219.01 · Prefill 766.77 ·
  2. Ollama · Q5_K_S Decode 174.79 · Prefill 860.94 ·
  3. Ollama · Q8_0 Decode 138.97 · Prefill 570.96 ·

核心数据

Decode（平均）
219.01 tok/s
Prefill（平均）
766.77 tok/s
TTFT（平均）
0.6 s
VRAM（平均）
16.84 GB
MTP 接受率
—
TTFB
1.75 GB
功耗
353.5 W

基础配置

成员级字段取自最近一次实测

模型
elephant-1
量化方式
Q4_K_S
框架
llama.cpp
版本
v0.54
上下文长度
2048 tokens
批次大小
256
GPU 层数
99
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）
16.84 GB
系统
Ubuntu 24.04
驱动
565.57
CUDA
12.8
电源功耗
353.5 W

获取与上手

原始模型资料

以下为基础模型入口，不保证与本次量化版本一致；部署请使用上方已核实权重。

来源与证据

共 1 条实测记录，逐条可回溯到原始出处

  1. L2 跨框架验证其他原始链接 验证于 2026-10-22

    v0.54 · Ubuntu 24.04 · CUDA 12.8 · 2048 ctx

    219.01 tok/s

    Decode

    766.77 tok/s

    Prefill

    0.6 s

    TTFT

    16.84 GB

    VRAM

    —

    MTP

    353.5 W

    功耗

    L2 batch seed 2026-10-22: llama.cpp on hw_id=13 running model_id=95 at Q4_K_S