返回搜索结果
Qwen3-4B-Thinking-2507 · Q8_0
NVIDIA RTX 509032GBllama.cpp v0.47L2 跨框架验证
本页汇总 Qwen3-4B-Thinking-2507（Q8_0）在 NVIDIA RTX 5090 上以 llama.cpp 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。
184.55 tok/s
Decode
解码速度
803.14 tok/s
Prefill
预填充速度
1.75 s
TTFT
首 token 延迟
11.76 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
- llama.cpp · Q2_K Decode 392.48 · Prefill 1604.11 ·
- llama.cpp · Q8_0 （当前）Decode 184.55 · Prefill 803.14 ·
- vLLM · IQ2_M Decode 386.87 · Prefill 1842.03 ·
- vLLM · Q3_K_L Decode 337.16 · Prefill 1247.18 ·
- vLLM · Q5_K_M Decode 507.7 · Prefill 3807.8 ·
- vLLM · Q4_K_M Decode 634.7 · Prefill 4760.3 ·
- llama.cpp · Q5_K_M Decode 465.9 · Prefill 3494.3 ·
- llama.cpp · Q4_K_M Decode 582.4 · Prefill 4368 ·
核心数据
- Decode（平均）
- 184.55 tok/s
- Prefill（平均）
- 803.14 tok/s
- TTFT（平均）
- 1.75 s
- VRAM（平均）
- 11.76 GB
- MTP 接受率
- —
- TTFB
- 1.48 GB
- 功耗
- 370.5 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
- Q8_0
- 框架
- llama.cpp
- 版本
- v0.47
- 上下文长度
- 4096 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 5090
- 标称显存
- 32 GB
- 实测显存（均值）
- 11.76 GB
- 系统
- Ubuntu 22.04
- 驱动
- 555.85
- CUDA
- 12.4
- 电源功耗
- 370.5 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.47 · Ubuntu 22.04 · CUDA 12.4 · 4096 ctx
184.55 tok/s
Decode
803.14 tok/s
Prefill
1.75 s
TTFT
11.76 GB
VRAM
—
MTP
370.5 W
功耗
L2 batch seed 2026-10-16: llama.cpp on hw_id=13 running model_id=57 at Q8_0