返回搜索结果
Qwen3-1.7B · Q3_K_M
NVIDIA DGX Spark128GBvLLM v0.35L2 跨框架验证
本页汇总 Qwen3-1.7B（Q3_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。
331.74 tok/s
Decode
解码速度
1,116.84 tok/s
Prefill
预填充速度
1.06 s
TTFT
首 token 延迟
4.53 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
5 天前
最后验证
性能表现
- vLLM · Q2_K Decode 374.76 · Prefill 1672.78 ·
- vLLM · Q5_K_M Decode 240.21 · Prefill 1012.49 ·
- Strata · IQ3_XS Decode 315.95 · Prefill 1231.57 ·
- Strata · Q4_K_S Decode 375.7 · Prefill 1600.4 ·
- llama.cpp · Q6_K Decode 210 · Prefill 1074.66 ·
- vLLM · Q3_K_M （当前）Decode 331.74 · Prefill 1116.84 ·
核心数据
- Decode（平均）
- 331.74 tok/s
- Prefill（平均）
- 1,116.84 tok/s
- TTFT（平均）
- 1.06 s
- VRAM（平均）
- 4.53 GB
- MTP 接受率
- —
- TTFB
- 2.65 GB
- 功耗
- 191.5 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
- Q3_K_M
- 框架
- vLLM
- 版本
- v0.35
- 上下文长度
- 16384 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）
- 4.53 GB
- 系统
- Ubuntu 24.04
- 驱动
- 555.85
- CUDA
- 12.8
- 电源功耗
- 191.5 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.35 · Ubuntu 24.04 · CUDA 12.8 · 16384 ctx
331.74 tok/s
Decode
1,116.84 tok/s
Prefill
1.06 s
TTFT
4.53 GB
VRAM
—
MTP
191.5 W
功耗
L2 batch seed 2026-10-13: vLLM on hw_id=54 running model_id=55 at Q3_K_M