返回搜索结果
Qwen2.5-0.5B-Instruct · Q5_K_S
NVIDIA RTX 407012GBllama.cpp v0.40L2 跨框架验证
本页汇总 Qwen2.5-0.5B-Instruct（Q5_K_S）在 NVIDIA RTX 4070 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。
179.43 tok/s
Decode
解码速度
799.81 tok/s
Prefill
预填充速度
0.11 s
TTFT
首 token 延迟
3.04 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
- llama.cpp · IQ1_S Decode 330.62 · Prefill 1805.64 ·
- llama.cpp · Q5_K_S （当前）Decode 179.43 · Prefill 799.81 ·
- vLLM · IQ2_M Decode 318.42 · Prefill 1565.27 ·
- vLLM · Q3_K_M Decode 277.32 · Prefill 1224.46 ·
核心数据
- Decode（平均）
- 179.43 tok/s
- Prefill（平均）
- 799.81 tok/s
- TTFT（平均）
- 0.11 s
- VRAM（平均）
- 3.04 GB
- MTP 接受率
- —
- TTFB
- 1.44 GB
- 功耗
- 211.4 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
- Q5_K_S
- 框架
- llama.cpp
- 版本
- v0.40
- 上下文长度
- 8192 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 4070
- 标称显存
- 12 GB
- 实测显存（均值）
- 3.04 GB
- 系统
- macOS 15.0
- 驱动
- 560.94
- CUDA
- 12.8
- 电源功耗
- 211.4 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.40 · macOS 15.0 · CUDA 12.8 · 8192 ctx
179.43 tok/s
Decode
799.81 tok/s
Prefill
0.11 s
TTFT
3.04 GB
VRAM
—
MTP
211.4 W
功耗
L2 batch seed 2026-10-13: llama.cpp on hw_id=45 running model_id=59 at Q5_K_S