返回搜索结果
Qwen3-4B-Thinking-2507 · IQ3_S
NVIDIA RTX 4060 Ti 16GB16GBvLLM v0.27L2 跨框架验证
本页汇总 Qwen3-4B-Thinking-2507（IQ3_S）在 NVIDIA RTX 4060 Ti 16GB 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。
108.19 tok/s
Decode
解码速度
350.2 tok/s
Prefill
预填充速度
2.25 s
TTFT
首 token 延迟
7.64 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
- vLLM · IQ3_S （当前）Decode 108.19 · Prefill 350.2 ·
- vLLM · Q3_K_M Decode 119.54 · Prefill 394.34 ·
- Strata · IQ3_XS Decode 160.63 · Prefill 538.1 ·
- Strata · Q3_K_L Decode 140.78 · Prefill 483.92 ·
核心数据
- Decode（平均）
- 108.19 tok/s
- Prefill（平均）
- 350.2 tok/s
- TTFT（平均）
- 2.25 s
- VRAM（平均）
- 7.64 GB
- MTP 接受率
- —
- TTFB
- 0.87 GB
- 功耗
- 274 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
- IQ3_S
- 框架
- vLLM
- 版本
- v0.27
- 上下文长度
- 32768 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 RTX 4060 Ti 16GB
- 标称显存
- 16 GB
- 实测显存（均值）
- 7.64 GB
- 系统
- macOS 15.0
- 驱动
- 555.85
- CUDA
- 12.4
- 电源功耗
- 274 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.27 · macOS 15.0 · CUDA 12.4 · 32768 ctx
108.19 tok/s
Decode
350.2 tok/s
Prefill
2.25 s
TTFT
7.64 GB
VRAM
—
MTP
274 W
功耗
L2 batch seed 2026-10-13: vLLM on hw_id=3 running model_id=57 at IQ3_S