返回搜索结果
Qwen3-4B-Thinking-2507 · IQ4_XS
NVIDIA RTX 407012GBStrata v0.20L2 跨框架验证
本页汇总 Qwen3-4B-Thinking-2507（IQ4_XS）在 NVIDIA RTX 4070 上以 Strata 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。
136.2 tok/s
Decode
解码速度
500.55 tok/s
Prefill
预填充速度
0.67 s
TTFT
首 token 延迟
8.32 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 · Q5_K_S Decode 75.85 · Prefill 366.79 ·
- Strata · IQ2_XS Decode 167.79 · Prefill 693.81 ·
- Strata · IQ4_XS （当前）Decode 136.2 · Prefill 500.55 ·
核心数据
- Decode（平均）
- 136.2 tok/s
- Prefill（平均）
- 500.55 tok/s
- TTFT（平均）
- 0.67 s
- VRAM（平均）
- 8.32 GB
- MTP 接受率
- 0.71
- TTFB
- 1.09 GB
- 功耗
- 268.2 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
- IQ4_XS
- 框架
- Strata
- 版本
- v0.20
- 上下文长度
- 2048 tokens
- 批次大小
- 512
- GPU 层数
- 12
- 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 4070
- 标称显存
- 12 GB
- 实测显存（均值）
- 8.32 GB
- 系统
- Ubuntu 22.04
- 驱动
- 570.86
- CUDA
- 12.4
- 电源功耗
- 268.2 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.20 · Ubuntu 22.04 · CUDA 12.4 · 2048 ctx
136.2 tok/s
Decode
500.55 tok/s
Prefill
0.67 s
TTFT
8.32 GB
VRAM
0.71
MTP
268.2 W
功耗
L2 batch seed 2026-10-13: Strata on hw_id=45 running model_id=57 at IQ4_XS