Arao AI
返回搜索结果

Flint-40B-A2.5B · Q4_K_S

发起讨论
AMD Ryzen AI Max+ 395128GBvLLM v0.47L2 跨框架验证

本页汇总 Flint-40B-A2.5B（Q4_K_S）在 AMD Ryzen AI Max+ 395 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。

63.8 tok/s

Decode

解码速度

213.74 tok/s

Prefill

预填充速度

2.31 s

TTFT

首 token 延迟

67.29 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

14 天前

最后验证

性能表现

  1. llama.cpp · IQ3_XS Decode 77.09 · Prefill 382.38 ·
  2. vLLM · Q4_K_S （当前）Decode 63.8 · Prefill 213.74 ·

核心数据

Decode（平均）
63.8 tok/s
Prefill（平均）
213.74 tok/s
TTFT（平均）
2.31 s
VRAM（平均）
67.29 GB
MTP 接受率
—
TTFB
0.51 GB
功耗
55 W

基础配置

成员级字段取自最近一次实测

模型
Flint-40B-A2.5B
量化方式
Q4_K_S
框架
vLLM
版本
v0.47
上下文长度
2048 tokens
批次大小
32
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
AMD Ryzen AI Max+ 395
标称显存
128 GB
实测显存（均值）
67.29 GB
系统
Ubuntu 22.04
驱动
amdgpu 6.11
CUDA
12.8
电源功耗
55 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

    v0.47 · Ubuntu 22.04 · CUDA 12.8 · 2048 ctx

    63.8 tok/s

    Decode

    213.74 tok/s

    Prefill

    2.31 s

    TTFT

    67.29 GB

    VRAM

    —

    MTP

    55 W

    功耗

    L2 batch seed 2026-10-22: vLLM on hw_id=24 running model_id=92 at Q4_K_S