返回搜索结果
Qwen3-4B-Thinking-2507 · Q5_K_M
NVIDIA RTX 409024GBvLLM 0.7.3L0 自报
本页汇总 Qwen3-4B-Thinking-2507（Q5_K_M）在 NVIDIA RTX 4090 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。
285.6 tok/s
Decode
解码速度
2,142 tok/s
Prefill
预填充速度
0.05 s
TTFT
首 token 延迟
3.5 GB
VRAM
显存占用
L0 自报
1
实测次数
1
独立来源
其他
来源平台
今天
最后验证
性能表现
- vLLM · Q5_K_M （当前）Decode 285.6 · Prefill 2142 ·
- vLLM · Q4_K_M Decode 357 · Prefill 2677.5 ·
- llama.cpp · Q5_K_M Decode 262.1 · Prefill 1965.8 ·
- llama.cpp · Q4_K_M Decode 327.6 · Prefill 2457 ·
核心数据
- Decode（平均）
- 285.6 tok/s
- Prefill（平均）
- 2,142 tok/s
- TTFT（平均）
- 0.05 s
- VRAM（平均）
- 3.5 GB
- MTP 接受率
- —
- TTFB
- — GB
- 功耗
- — 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
- 0.7.3
- 上下文长度
- 4096 tokens
- 批次大小
- 512
- GPU 层数
- 99
- 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 4090
- 标称显存
- 24 GB
- 实测显存（均值）
- 3.5 GB
- 系统
- Linux
- 驱动
- 570.65
- CUDA
- 12.6
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
0.7.3 · Linux · CUDA 12.6 · 4096 ctx
285.6 tok/s
Decode
2,142 tok/s
Prefill
0.05 s
TTFT
3.5 GB
VRAM
—
MTP
— W
功耗
L0 理论估算（add-500-records-batch2）