返回搜索结果
Qwen2.5-Omni-3B · Q6_K
NVIDIA RTX 509032GBllama.cpp v0.28L2 跨框架验证
本页汇总 Qwen2.5-Omni-3B（Q6_K）在 NVIDIA RTX 5090 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。
277.82 tok/s
Decode
解码速度
934.6 tok/s
Prefill
预填充速度
0.26 s
TTFT
首 token 延迟
8.4 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 375.39 · Prefill 1839.32 ·
- llama.cpp · Q6_K （当前）Decode 277.82 · Prefill 934.6 ·
- Strata · FP16 Decode 238.76 · Prefill 798.02 ·
- Strata · IQ3_S Decode 359.64 · Prefill 1323.17 ·
- llama.cpp · Q8_0 Decode 436.8 · Prefill 3276 ·
- llama.cpp · Q5_K_M Decode 635.3 · Prefill 4764.8 ·
- llama.cpp · Q4_K_M Decode 776.5 · Prefill 5823.8 ·
核心数据
- Decode（平均）
- 277.82 tok/s
- Prefill（平均）
- 934.6 tok/s
- TTFT（平均）
- 0.26 s
- VRAM（平均）
- 8.4 GB
- MTP 接受率
- —
- TTFB
- 2.22 GB
- 功耗
- 462.7 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
- Q6_K
- 框架
- llama.cpp
- 版本
- v0.28
- 上下文长度
- 2048 tokens
- 批次大小
- 512
- GPU 层数
- 20
- 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
- NVIDIA RTX 5090
- 标称显存
- 32 GB
- 实测显存（均值）
- 8.4 GB
- 系统
- Ubuntu 22.04
- 驱动
- 565.57
- CUDA
- 12.8
- 电源功耗
- 462.7 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.28 · Ubuntu 22.04 · CUDA 12.8 · 2048 ctx
277.82 tok/s
Decode
934.6 tok/s
Prefill
0.26 s
TTFT
8.4 GB
VRAM
—
MTP
462.7 W
功耗
L2 batch seed 2026-10-16: llama.cpp on hw_id=13 running model_id=60 at Q6_K