返回搜索结果
Qwen2.5-0.5B-Instruct · IQ2_M
NVIDIA RTX 407012GBvLLM v0.32L2 跨框架验证
本页汇总 Qwen2.5-0.5B-Instruct（IQ2_M）在 NVIDIA RTX 4070 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。
318.42 tok/s
Decode
解码速度
1,565.27 tok/s
Prefill
预填充速度
1.99 s
TTFT
首 token 延迟
2.65 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 Decode 179.43 · Prefill 799.81 ·
- vLLM · IQ2_M （当前）Decode 318.42 · Prefill 1565.27 ·
- vLLM · Q3_K_M Decode 277.32 · Prefill 1224.46 ·
核心数据
- Decode（平均）
- 318.42 tok/s
- Prefill（平均）
- 1,565.27 tok/s
- TTFT（平均）
- 1.99 s
- VRAM（平均）
- 2.65 GB
- MTP 接受率
- —
- TTFB
- 2.55 GB
- 功耗
- 225.5 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
- IQ2_M
- 框架
- vLLM
- 版本
- v0.32
- 上下文长度
- 4096 tokens
- 批次大小
- 16
- GPU 层数
- 999
- 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）
- 2.65 GB
- 系统
- Ubuntu 24.04
- 驱动
- 565.57
- CUDA
- 12.6
- 电源功耗
- 225.5 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.32 · Ubuntu 24.04 · CUDA 12.6 · 4096 ctx
318.42 tok/s
Decode
1,565.27 tok/s
Prefill
1.99 s
TTFT
2.65 GB
VRAM
—
MTP
225.5 W
功耗
L2 batch seed 2026-10-13: vLLM on hw_id=45 running model_id=59 at IQ2_M