返回搜索结果
Qwen2.5-Omni-3B · Q5_K_M
NVIDIA DGX Spark128GBvLLM v0.27L2 跨框架验证
本页汇总 Qwen2.5-Omni-3B（Q5_K_M）在 NVIDIA DGX Spark 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。
183.75 tok/s
Decode
解码速度
675.77 tok/s
Prefill
预填充速度
1.58 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
- vLLM · Q3_K_M Decode 258.63 · Prefill 1322.45 ·
- vLLM · Q5_K_M （当前）Decode 183.75 · Prefill 675.77 ·
- Ollama · IQ2_M Decode 292.67 · Prefill 1302.54 ·
- Ollama · IQ4_XS Decode 218.18 · Prefill 903.32 ·
核心数据
- Decode（平均）
- 183.75 tok/s
- Prefill（平均）
- 675.77 tok/s
- TTFT（平均）
- 1.58 s
- VRAM（平均）
- 7.96 GB
- MTP 接受率
- —
- TTFB
- 1.47 GB
- 功耗
- 276.6 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
- v0.27
- 上下文长度
- 32768 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 DGX Spark
- 标称显存
- 128 GB
- 实测显存（均值）
- 7.96 GB
- 系统
- Ubuntu 24.04
- 驱动
- 555.85
- CUDA
- 12.4
- 电源功耗
- 276.6 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.27 · Ubuntu 24.04 · CUDA 12.4 · 32768 ctx
183.75 tok/s
Decode
675.77 tok/s
Prefill
1.58 s
TTFT
7.96 GB
VRAM
—
MTP
276.6 W
功耗
L2 batch seed 2026-10-16: vLLM on hw_id=54 running model_id=60 at Q5_K_M