返回搜索结果
Qwen3-4B-Thinking-2507 · Q5_K_S
NVIDIA Jetson AGX Orin 64GB64GBvLLM v0.26L2 跨框架验证
本页汇总 Qwen3-4B-Thinking-2507（Q5_K_S）在 NVIDIA Jetson AGX Orin 64GB 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。
57.15 tok/s
Decode
解码速度
278.01 tok/s
Prefill
预填充速度
1.97 s
TTFT
首 token 延迟
9.66 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 · Q3_K_S Decode 89.8 · Prefill 485.57 ·
- vLLM · Q5_K_S （当前）Decode 57.15 · Prefill 278.01 ·
- Ollama · Q2_K Decode 77.04 · Prefill 283.31 ·
- llama.cpp · IQ2_XS Decode 92.94 · Prefill 357.53 ·
- Strata · Q5_K_S Decode 83.78 · Prefill 413.16 ·
核心数据
- Decode（平均）
- 57.15 tok/s
- Prefill（平均）
- 278.01 tok/s
- TTFT（平均）
- 1.97 s
- VRAM（平均）
- 9.66 GB
- MTP 接受率
- —
- TTFB
- 0.46 GB
- 功耗
- 43.6 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_S
- 框架
- vLLM
- 版本
- v0.26
- 上下文长度
- 2048 tokens
- 批次大小
- 32
- GPU 层数
- 999
- Flash Attention
- 关闭
硬件信息
标称与实测并排陈列，能否运行由读者自判
- GPU
- NVIDIA Jetson AGX Orin 64GB
- 标称显存
- 64 GB
- 实测显存（均值）
- 9.66 GB
- 系统
- JetPack 6.0
- 驱动
- NVIDIA L4T 36.3
- CUDA
- 12.6
- 电源功耗
- 43.6 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.26 · JetPack 6.0 · CUDA 12.6 · 2048 ctx
57.15 tok/s
Decode
278.01 tok/s
Prefill
1.97 s
TTFT
9.66 GB
VRAM
—
MTP
43.6 W
功耗
L2 batch seed 2026-10-16: vLLM on hw_id=76 running model_id=57 at Q5_K_S