返回搜索结果
Qwen3-32B · Q4_K_M
NVIDIA RTX 409024GBOllama 0.5.7L1 已复现
本页汇总 Qwen3-32B（Q4_K_M）在 NVIDIA RTX 4090 上以 Ollama 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。
17.4 tok/s
Decode
解码速度
198.2 tok/s
Prefill
预填充速度
1.31 s
TTFT
首 token 延迟
19.8 GB
VRAM
显存占用
L1 已复现
1
实测次数
1
独立来源
V2EX
来源平台
23 天前
最后验证
性能表现
- llama.cpp · Q4_K_M Decode 18.4 · Prefill 216.93 ·
- Ollama · Q4_K_M （当前）Decode 17.4 · Prefill 198.2 ·
核心数据
- Decode（平均）
- 17.4 tok/s
- Prefill（平均）
- 198.2 tok/s
- TTFT（平均）
- 1.31 s
- VRAM（平均）
- 19.8 GB
- MTP 接受率
- —
- TTFB
- — GB
- 功耗
- 339 W
基础配置
成员级字段取自最近一次实测
- 模型
- Qwen3-32B
- 量化方式
- Q4_K_M
- 框架
- Ollama
- 版本
- 0.5.7
- 上下文长度
- 8192 tokens
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）
- 19.8 GB
- 系统
- Ubuntu 24.04
- 驱动
- 550.107.02
- CUDA
- 12.4
- 电源功耗
- 339 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
0.5.7 · Ubuntu 24.04 · CUDA 12.4 · 8192 ctx
17.4 tok/s
Decode
198.2 tok/s
Prefill
1.31 s
TTFT
19.8 GB
VRAM
—
MTP
339 W
功耗
Ollama 默认参数下比 llama.cpp 直跑略低。