已过期50% 置信基准精确时间
3B 模型在现代 CPU 上通过 llama.cpp 推理速度通常达到 10-30 tokens/秒
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/16
首次发现
此条事实已过期，仅作历史留存，不再代表当前状态
有效期至：2026/10/14(已过期)
来源
相关事实
待验证llama.cpp通过纯CPU推理和4-bit GGUF量化格式，使7B参数模型在无GPU的普通服务器上达到每秒20-40 tokens的生成速度85% 相似待验证本地部署DS4模型在STM32嵌入式开发测试中平均输出速度约为23 tokens/秒，推理时内存占用飙升至110GB，峰值速度达83.8 tokens/秒74% 相似部分验证对于7B参数模型的4-bit量化版本，通常需要至少8GB内存和现代多核CPU即可流畅运行，推理速度约为每秒10-30个token73% 相似待验证基于MLX框架，顶配Mac机型运行Llama-3-70B量化模型可达约20 tokens/秒的生成速度70% 相似待验证在4×RTX 3090 SXM4配置下，GLM-5.2量化版本的Token生成速度约为6.3-6.8 tokens/秒，提示评估速度约为10.6 tokens/秒70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/532785API
curl https://kongchang.com/api/v1/knowledge/claims/532785MCP
get_claim(id=532785)