返回搜索结果
Qwen3-1.7B · Q5_K_M
NVIDIA RTX 509032GBllama.cpp v0.36L2 跨框架验证
本页汇总 Qwen3-1.7B（Q5_K_M）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。
353.77 tok/s
Decode
解码速度
1,906.09 tok/s
Prefill
预填充速度
1.04 s
TTFT
首 token 延迟
5.42 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 · Q5_K_M （当前）Decode 353.77 · Prefill 1906.09 ·
- llama.cpp · Q6_K Decode 345.13 · Prefill 1779.25 ·
- Ollama · FP16 Decode 199.27 · Prefill 1057.11 ·
- Strata · Q2_K Decode 300.65 · Prefill 1243.6 ·
- Strata · Q4_K_M Decode 280.21 · Prefill 1416.33 ·
核心数据
- Decode（平均）
- 353.77 tok/s
- Prefill（平均）
- 1,906.09 tok/s
- TTFT（平均）
- 1.04 s
- VRAM（平均）
- 5.42 GB
- MTP 接受率
- —
- TTFB
- 2.83 GB
- 功耗
- 470.2 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
- Q5_K_M
- 框架
- llama.cpp
- 版本
- v0.36
- 上下文长度
- 16384 tokens
- 批次大小
- 512
- GPU 层数
- 20
- 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 5090
- 标称显存
- 32 GB
- 实测显存（均值）
- 5.42 GB
- 系统
- macOS 15.0
- 驱动
- 570.86
- CUDA
- 12.6
- 电源功耗
- 470.2 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.36 · macOS 15.0 · CUDA 12.6 · 16384 ctx
353.77 tok/s
Decode
1,906.09 tok/s
Prefill
1.04 s
TTFT
5.42 GB
VRAM
—
MTP
470.2 W
功耗
L2 batch seed 2026-10-10: llama.cpp on hw_id=13 running model_id=55 at Q5_K_M