返回搜索结果
Qwen3-1.7B · IQ4_XS
Apple M2 UltravLLM v0.31L2 跨框架验证
本页汇总 Qwen3-1.7B（IQ4_XS）在 Apple M2 Ultra 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。
221.65 tok/s
Decode
解码速度
888.85 tok/s
Prefill
预填充速度
0.49 s
TTFT
首 token 延迟
4.75 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 · Q2_K Decode 247.88 · Prefill 1258.27 ·
- llama.cpp · Q4_K_M Decode 200.31 · Prefill 817.12 ·
- vLLM · IQ4_XS （当前）Decode 221.65 · Prefill 888.85 ·
- vLLM · Q6_K Decode 162.21 · Prefill 522.8 ·
核心数据
- Decode（平均）
- 221.65 tok/s
- Prefill（平均）
- 888.85 tok/s
- TTFT（平均）
- 0.49 s
- VRAM（平均）
- 4.75 GB
- MTP 接受率
- —
- TTFB
- 1.77 GB
- 功耗
- 36.2 W
基础配置
成员级字段取自最近一次实测
- 模型
- Qwen3-1.7B
- 量化方式
- IQ4_XS
- 框架
- vLLM
- 版本
- v0.31
- 上下文长度
- 2048 tokens
- 批次大小
- 8
- 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
- Apple M2 Ultra
- 实测显存（均值）
- 4.75 GB
- 系统
- macOS 15.0
- 驱动
- Apple M2 Ultra
- CUDA
- N/A
- 电源功耗
- 36.2 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.31 · macOS 15.0 · CUDA N/A · 2048 ctx
221.65 tok/s
Decode
888.85 tok/s
Prefill
0.49 s
TTFT
4.75 GB
VRAM
—
MTP
36.2 W
功耗
L2 batch seed 2026-10-16: vLLM on hw_id=103 running model_id=55 at IQ4_XS