返回搜索结果
Qwen3-4B-Thinking-2507 · Q5_K_M
NVIDIA DGX Spark128GBvLLM v0.55L2 跨框架验证
本页汇总 Qwen3-4B-Thinking-2507（Q5_K_M）在 NVIDIA DGX Spark 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。
151.71 tok/s
Decode
解码速度
832.95 tok/s
Prefill
预填充速度
2.16 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
- vLLM · IQ1_S Decode 291.5 · Prefill 1360.04 ·
- vLLM · Q5_K_M （当前）Decode 151.71 · Prefill 832.95 ·
- Strata · Q5_K_M Decode 220.61 · Prefill 780.86 ·
- Ollama · Q3_K_L Decode 191.76 · Prefill 876.65 ·
- Ollama · Q5_K_S Decode 148.12 · Prefill 634.82 ·
核心数据
- Decode（平均）
- 151.71 tok/s
- Prefill（平均）
- 832.95 tok/s
- TTFT（平均）
- 2.16 s
- VRAM（平均）
- 9.91 GB
- MTP 接受率
- —
- TTFB
- 1.21 GB
- 功耗
- 165.6 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
- Q5_K_M
- 框架
- vLLM
- 版本
- v0.55
- 上下文长度
- 16384 tokens
- 批次大小
- 16
- 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
- NVIDIA DGX Spark
- 标称显存
- 128 GB
- 实测显存（均值）
- 9.91 GB
- 系统
- Ubuntu 22.04
- 驱动
- 570.86
- CUDA
- 12.4
- 电源功耗
- 165.6 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.55 · Ubuntu 22.04 · CUDA 12.4 · 16384 ctx
151.71 tok/s
Decode
832.95 tok/s
Prefill
2.16 s
TTFT
9.91 GB
VRAM
—
MTP
165.6 W
功耗
L2 batch seed 2026-10-16: vLLM on hw_id=54 running model_id=57 at Q5_K_M