返回搜索结果
Qwen3-1.7B · Q2_K
NVIDIA RTX 409024GBllama.cpp v0.52L2 跨框架验证
本页汇总 Qwen3-1.7B（Q2_K）在 NVIDIA RTX 4090 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。
306.65 tok/s
Decode
解码速度
1,436.24 tok/s
Prefill
预填充速度
1.31 s
TTFT
首 token 延迟
4.06 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
今天
最后验证
性能表现
- llama.cpp · IQ2_M Decode 323.97 · Prefill 1188.09 ·
- llama.cpp · Q2_K （当前）Decode 306.65 · Prefill 1436.24 ·
- Strata · IQ1_S Decode 287.87 · Prefill 1066.63 ·
- Strata · Q2_K Decode 285.75 · Prefill 1116.76 ·
核心数据
- Decode（平均）
- 306.65 tok/s
- Prefill（平均）
- 1,436.24 tok/s
- TTFT（平均）
- 1.31 s
- VRAM（平均）
- 4.06 GB
- MTP 接受率
- —
- TTFB
- 2.45 GB
- 功耗
- 479.7 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
- Q2_K
- 框架
- llama.cpp
- 版本
- v0.52
- 上下文长度
- 8192 tokens
- 批次大小
- 512
- GPU 层数
- 28
- 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 RTX 4090
- 标称显存
- 24 GB
- 实测显存（均值）
- 4.06 GB
- 系统
- Ubuntu 24.04
- 驱动
- 570.86
- CUDA
- 12.8
- 电源功耗
- 479.7 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.52 · Ubuntu 24.04 · CUDA 12.8 · 8192 ctx
306.65 tok/s
Decode
1,436.24 tok/s
Prefill
1.31 s
TTFT
4.06 GB
VRAM
—
MTP
479.7 W
功耗
L2 batch seed 2026-10-10: llama.cpp on hw_id=1 running model_id=55 at Q2_K