返回搜索结果
Qwen3-4B-Thinking-2507 · Q3_K_M
2x AMD Strix Halollama.cpp v0.24L2 跨框架验证
本页汇总 Qwen3-4B-Thinking-2507（Q3_K_M）在 2x AMD Strix Halo 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。
181.31 tok/s
Decode
解码速度
944.53 tok/s
Prefill
预填充速度
2.23 s
TTFT
首 token 延迟
7.81 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
2 天前
最后验证
性能表现
- llama.cpp · Q3_K_M （当前）Decode 181.31 · Prefill 944.53 ·
- llama.cpp · Q4_K_M Decode 153.87 · Prefill 676.15 ·
- Strata · IQ2_M Decode 312.05 · Prefill 1568.66 ·
核心数据
- Decode（平均）
- 181.31 tok/s
- Prefill（平均）
- 944.53 tok/s
- TTFT（平均）
- 2.23 s
- VRAM（平均）
- 7.81 GB
- MTP 接受率
- —
- TTFB
- 1.45 GB
- 功耗
- 67.6 W
基础配置
成员级字段取自最近一次实测
- 模型
- Qwen3-4B-Thinking-2507
- 量化方式
- Q3_K_M
- 框架
- llama.cpp
- 版本
- v0.24
- 上下文长度
- 16384 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
- 2x AMD Strix Halo
- 实测显存（均值）
- 7.81 GB
- 系统
- macOS 15.0
- 驱动
- amdgpu 6.10
- CUDA
- N/A
- 电源功耗
- 67.6 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.24 · macOS 15.0 · CUDA N/A · 16384 ctx
181.31 tok/s
Decode
944.53 tok/s
Prefill
2.23 s
TTFT
7.81 GB
VRAM
—
MTP
67.6 W
功耗
L2 batch seed 2026-10-16: llama.cpp on hw_id=88 running model_id=57 at Q3_K_M