返回搜索结果
Qwen3-4B-Thinking-2507 · Q5_K_M
AMD Strix Halo (Radeon 8060S)llama.cpp v0.39L2 跨框架验证
本页汇总 Qwen3-4B-Thinking-2507（Q5_K_M）在 AMD Strix Halo (Radeon 8060S) 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。
77.99 tok/s
Decode
解码速度
423.17 tok/s
Prefill
预填充速度
0.35 s
TTFT
首 token 延迟
9.91 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_S Decode 117.04 · Prefill 404.22 ·
- llama.cpp · Q5_K_M （当前）Decode 77.99 · Prefill 423.17 ·
- Strata · IQ2_XS Decode 206.18 · Prefill 1005.37 ·
- Strata · IQ3_S Decode 166.26 · Prefill 669.87 ·
核心数据
- Decode（平均）
- 77.99 tok/s
- Prefill（平均）
- 423.17 tok/s
- TTFT（平均）
- 0.35 s
- VRAM（平均）
- 9.91 GB
- MTP 接受率
- —
- TTFB
- 0.62 GB
- 功耗
- 86 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
- Q5_K_M
- 框架
- llama.cpp
- 版本
- v0.39
- 上下文长度
- 32768 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
- AMD Strix Halo (Radeon 8060S)
- 实测显存（均值）
- 9.91 GB
- 系统
- Ubuntu 24.04
- 驱动
- 565.57
- CUDA
- N/A
- 电源功耗
- 86 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.39 · Ubuntu 24.04 · CUDA N/A · 32768 ctx
77.99 tok/s
Decode
423.17 tok/s
Prefill
0.35 s
TTFT
9.91 GB
VRAM
—
MTP
86 W
功耗
L2 batch seed 2026-10-16: llama.cpp on hw_id=87 running model_id=57 at Q5_K_M