返回搜索结果
Qwen3-32B · Q4_K_M
NVIDIA RTX 409024GBllama.cpp b4567L2 跨框架验证
本页汇总 Qwen3-32B（Q4_K_M）在 NVIDIA RTX 4090 上以 llama.cpp 运行的 3 次实测数据，来自 2 个独立来源平台；指标为已上架实测的均值。
18.4 tok/s
Decode
解码速度
216.93 tok/s
Prefill
预填充速度
1.19 s
TTFT
首 token 延迟
19.5 GB
VRAM
显存占用
L2 跨框架验证
3
实测次数
2
独立来源
GitHub、Reddit
来源平台
19 天前
最后验证
性能表现
- llama.cpp · Q4_K_M （当前）Decode 18.4 · Prefill 216.93 ·
- Ollama · Q4_K_M Decode 17.4 · Prefill 198.2 ·
核心数据
- Decode（平均）
- 18.4 tok/s
- Prefill（平均）
- 216.93 tok/s
- TTFT（平均）
- 1.19 s
- VRAM（平均）
- 19.5 GB
- MTP 接受率
- —
- TTFB
- — GB
- 功耗
- 347.17 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
- llama.cpp
- 版本
- b4567
- 上下文长度
- 8192 tokens
- 批次大小
- 512
- GPU 层数
- 99
- 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）
- 19.5 GB
- 系统
- Ubuntu 24.04
- 驱动
- 550.107.02
- CUDA
- 12.4
- 电源功耗
- 342.5 W
来源与证据
共 3 条实测记录，逐条可回溯到原始出处
b4567 · Ubuntu 24.04 · CUDA 12.4 · 8192 ctx
18 tok/s
Decode
210.5 tok/s
Prefill
1.24 s
TTFT
19.5 GB
VRAM
—
MTP
342.5 W
功耗
Q4_K_M, 8192 ctx, single 4090: ~18 tok/s decode.
b4602 · Ubuntu 24.04 · CUDA 12.4 · 8192 ctx
18.6 tok/s
Decode
218 tok/s
Prefill
1.18 s
TTFT
19.4 GB
VRAM
—
MTP
348 W
功耗
复现成功，decode 18.6 tok/s，与本机一致。
b4602 · Windows 11 24H2 · CUDA 12.4 · 16384 ctx
18.6 tok/s
Decode
222.3 tok/s
Prefill
1.15 s
TTFT
19.6 GB
VRAM
—
MTP
351 W
功耗
llama.cpp 与 Ollama 两条路径均复现，18-19 tok/s。