返回搜索结果
Qwen3-4B-Thinking-2507 · Q2_K
NVIDIA RTX 308010GBOllama v0.33L2 跨框架验证
本页汇总 Qwen3-4B-Thinking-2507（Q2_K）在 NVIDIA RTX 3080 上以 Ollama 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。
93.59 tok/s
Decode
解码速度
336.53 tok/s
Prefill
预填充速度
0.5 s
TTFT
首 token 延迟
6.72 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
5 天前
最后验证
性能表现
- Ollama · Q2_K （当前）Decode 93.59 · Prefill 336.53 ·
- Ollama · Q4_K_S Decode 73.95 · Prefill 380.29 ·
- Strata · IQ3_S Decode 134.76 · Prefill 504.77 ·
核心数据
- Decode（平均）
- 93.59 tok/s
- Prefill（平均）
- 336.53 tok/s
- TTFT（平均）
- 0.5 s
- VRAM（平均）
- 6.72 GB
- MTP 接受率
- —
- TTFB
- 0.75 GB
- 功耗
- 275.5 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
- Q2_K
- 框架
- Ollama
- 版本
- v0.33
- 上下文长度
- 32768 tokens
- 批次大小
- 256
- 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
- NVIDIA RTX 3080
- 标称显存
- 10 GB
- 实测显存（均值）
- 6.72 GB
- 系统
- Ubuntu 24.04
- 驱动
- 555.85
- CUDA
- 12.6
- 电源功耗
- 275.5 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.33 · Ubuntu 24.04 · CUDA 12.6 · 32768 ctx
93.59 tok/s
Decode
336.53 tok/s
Prefill
0.5 s
TTFT
6.72 GB
VRAM
—
MTP
275.5 W
功耗
L2 batch seed 2026-10-13: Ollama on hw_id=44 running model_id=57 at Q2_K