返回搜索结果
Qwen3-4B-Thinking-2507 · IQ2_XS
Apple M1vLLM v0.39L2 跨框架验证
本页汇总 Qwen3-4B-Thinking-2507（IQ2_XS）在 Apple M1 上以 vLLM 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。
79.87 tok/s
Decode
解码速度
436.11 tok/s
Prefill
预填充速度
1.52 s
TTFT
首 token 延迟
6.13 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 · IQ2_XS Decode 75.23 · Prefill 381.59 ·
- llama.cpp · Q4_K_M Decode 59.36 · Prefill 212.58 ·
- vLLM · FP16 Decode 30.09 · Prefill 100.41 ·
- vLLM · IQ2_XS （当前）Decode 79.87 · Prefill 436.11 ·
核心数据
- Decode（平均）
- 79.87 tok/s
- Prefill（平均）
- 436.11 tok/s
- TTFT（平均）
- 1.52 s
- VRAM（平均）
- 6.13 GB
- MTP 接受率
- —
- TTFB
- 0.64 GB
- 功耗
- 36.2 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
- IQ2_XS
- 框架
- vLLM
- 版本
- v0.39
- 上下文长度
- 32768 tokens
- 批次大小
- 8
- GPU 层数
- 999
- 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
- Apple M1
- 实测显存（均值）
- 6.13 GB
- 系统
- macOS 15.0
- 驱动
- Apple M1
- CUDA
- N/A
- 电源功耗
- 36.2 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.39 · macOS 15.0 · CUDA N/A · 32768 ctx
79.87 tok/s
Decode
436.11 tok/s
Prefill
1.52 s
TTFT
6.13 GB
VRAM
—
MTP
36.2 W
功耗
L2 batch seed 2026-10-16: vLLM on hw_id=99 running model_id=57 at IQ2_XS