返回搜索结果
Qwen2.5-0.5B-Instruct · IQ3_XS
NVIDIA RTX 509032GBvLLM v0.25L2 跨框架验证
本页汇总 Qwen2.5-0.5B-Instruct（IQ3_XS）在 NVIDIA RTX 5090 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。
285.37 tok/s
Decode
解码速度
1,069.59 tok/s
Prefill
预填充速度
1.76 s
TTFT
首 token 延迟
2.75 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
2 天前
最后验证
性能表现
- llama.cpp · IQ4_XS Decode 319.07 · Prefill 1265.71 ·
- llama.cpp · Q8_0 Decode 358.97 · Prefill 1824.25 ·
- vLLM · IQ3_XS （当前）Decode 285.37 · Prefill 1069.59 ·
核心数据
- Decode（平均）
- 285.37 tok/s
- Prefill（平均）
- 1,069.59 tok/s
- TTFT（平均）
- 1.76 s
- VRAM（平均）
- 2.75 GB
- MTP 接受率
- —
- TTFB
- 2.28 GB
- 功耗
- 477.7 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
- IQ3_XS
- 框架
- vLLM
- 版本
- v0.25
- 上下文长度
- 2048 tokens
- 批次大小
- 8
- 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 5090
- 标称显存
- 32 GB
- 实测显存（均值）
- 2.75 GB
- 系统
- Windows 11 23H2
- 驱动
- 560.94
- CUDA
- 12.8
- 电源功耗
- 477.7 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.25 · Windows 11 23H2 · CUDA 12.8 · 2048 ctx
285.37 tok/s
Decode
1,069.59 tok/s
Prefill
1.76 s
TTFT
2.75 GB
VRAM
—
MTP
477.7 W
功耗
L2 batch seed 2026-10-16: vLLM on hw_id=13 running model_id=59 at IQ3_XS