返回搜索结果
Qwen2.5-0.5B-Instruct · Q8_0
NVIDIA RTX 4070 Ti12GBOllama v0.42L2 跨框架验证
本页汇总 Qwen2.5-0.5B-Instruct（Q8_0）在 NVIDIA RTX 4070 Ti 上以 Ollama 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。
145.11 tok/s
Decode
解码速度
753.08 tok/s
Prefill
预填充速度
0.94 s
TTFT
首 token 延迟
3.31 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
5 天前
最后验证
性能表现
- vLLM · IQ3_S Decode 273.48 · Prefill 1262.92 ·
- vLLM · IQ4_XS Decode 254.8 · Prefill 1153.22 ·
- Ollama · Q3_K_S Decode 265.74 · Prefill 1442.65 ·
- Ollama · Q8_0 （当前）Decode 145.11 · Prefill 753.08 ·
核心数据
- Decode（平均）
- 145.11 tok/s
- Prefill（平均）
- 753.08 tok/s
- TTFT（平均）
- 0.94 s
- VRAM（平均）
- 3.31 GB
- MTP 接受率
- —
- TTFB
- 1.16 GB
- 功耗
- 202.3 W
基础配置
成员级字段取自最近一次实测
- 模型
- Qwen2.5-0.5B-Instruct
- 量化方式
- Q8_0
- 框架
- Ollama
- 版本
- v0.42
- 上下文长度
- 32768 tokens
- 批次大小
- 512
- GPU 层数
- 28
- 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 4070 Ti
- 标称显存
- 12 GB
- 实测显存（均值）
- 3.31 GB
- 系统
- Ubuntu 22.04
- 驱动
- 570.86
- CUDA
- 12.4
- 电源功耗
- 202.3 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 · Ubuntu 22.04 · CUDA 12.4 · 32768 ctx
145.11 tok/s
Decode
753.08 tok/s
Prefill
0.94 s
TTFT
3.31 GB
VRAM
—
MTP
202.3 W
功耗
L2 batch seed 2026-10-13: Ollama on hw_id=42 running model_id=59 at Q8_0