返回搜索结果
Qwen2.5-Omni-3B · Q5_K_M
2x AMD Strix HalovLLM v0.37L2 跨框架验证
本页汇总 Qwen2.5-Omni-3B（Q5_K_M）在 2x AMD Strix Halo 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。
183.47 tok/s
Decode
解码速度
864.96 tok/s
Prefill
预填充速度
0.57 s
TTFT
首 token 延迟
7.96 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 · IQ2_XS Decode 273.09 · Prefill 1000.97 ·
- llama.cpp · IQ3_S Decode 239.07 · Prefill 794.3 ·
- vLLM · Q5_K_M （当前）Decode 183.47 · Prefill 864.96 ·
- vLLM · Q6_K Decode 171.22 · Prefill 756.33 ·
核心数据
- Decode（平均）
- 183.47 tok/s
- Prefill（平均）
- 864.96 tok/s
- TTFT（平均）
- 0.57 s
- VRAM（平均）
- 7.96 GB
- MTP 接受率
- —
- TTFB
- 1.47 GB
- 功耗
- 60 W
基础配置
成员级字段取自最近一次实测
- 模型
- Qwen2.5-Omni-3B
- 量化方式
- Q5_K_M
- 框架
- vLLM
- 版本
- v0.37
- 上下文长度
- 16384 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
- 2x AMD Strix Halo
- 实测显存（均值）
- 7.96 GB
- 系统
- Ubuntu 24.04
- 驱动
- 560.94
- CUDA
- N/A
- 电源功耗
- 60 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.37 · Ubuntu 24.04 · CUDA N/A · 16384 ctx
183.47 tok/s
Decode
864.96 tok/s
Prefill
0.57 s
TTFT
7.96 GB
VRAM
—
MTP
60 W
功耗
L2 batch seed 2026-10-16: vLLM on hw_id=88 running model_id=60 at Q5_K_M