返回搜索结果
Qwen3-4B · FP16
2x AMD Strix Halollama.cpp v0.42L2 跨框架验证
本页汇总 Qwen3-4B（FP16）在 2x AMD Strix Halo 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。
87.02 tok/s
Decode
解码速度
443.84 tok/s
Prefill
预填充速度
0.62 s
TTFT
首 token 延迟
17.64 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
2 天前
最后验证
性能表现
- llama.cpp · FP16 （当前）Decode 87.02 · Prefill 443.84 ·
- Ollama · IQ3_S Decode 197.15 · Prefill 955.03 ·
- Ollama · Q4_K_M Decode 165.67 · Prefill 892.04 ·
核心数据
- Decode（平均）
- 87.02 tok/s
- Prefill（平均）
- 443.84 tok/s
- TTFT（平均）
- 0.62 s
- VRAM（平均）
- 17.64 GB
- MTP 接受率
- —
- TTFB
- 0.7 GB
- 功耗
- 83.9 W
基础配置
成员级字段取自最近一次实测
- 模型
- Qwen3-4B
- 量化方式
- FP16
- 框架
- llama.cpp
- 版本
- v0.42
- 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
- 2x AMD Strix Halo
- 实测显存（均值）
- 17.64 GB
- 系统
- Windows 11 23H2
- 驱动
- amdgpu 6.11
- CUDA
- N/A
- 电源功耗
- 83.9 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.42 · Windows 11 23H2 · CUDA N/A · 4096 ctx
87.02 tok/s
Decode
443.84 tok/s
Prefill
0.62 s
TTFT
17.64 GB
VRAM
—
MTP
83.9 W
功耗
L2 batch seed 2026-10-16: llama.cpp on hw_id=88 running model_id=54 at FP16