返回搜索结果
Qwen3-4B · Q3_K_L
Apple M5 Max128GBllama.cpp v0.34L2 跨框架验证
本页汇总 Qwen3-4B（Q3_K_L）在 Apple M5 Max 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。
253.55 tok/s
Decode
解码速度
980.61 tok/s
Prefill
预填充速度
1.61 s
TTFT
首 token 延迟
8.15 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 · Q3_K_L （当前）Decode 253.55 · Prefill 980.61 ·
- Ollama · IQ2_XS Decode 308.45 · Prefill 1307.27 ·
- Ollama · IQ3_XS Decode 249.13 · Prefill 1132.99 ·
- Ollama · Q5_K_M Decode 194.79 · Prefill 989.8 ·
- Strata · IQ4_XS Decode 357.04 · Prefill 1403.97 ·
核心数据
- Decode（平均）
- 253.55 tok/s
- Prefill（平均）
- 980.61 tok/s
- TTFT（平均）
- 1.61 s
- VRAM（平均）
- 8.15 GB
- MTP 接受率
- —
- TTFB
- 2.03 GB
- 功耗
- 250.7 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
- Q3_K_L
- 框架
- llama.cpp
- 版本
- v0.34
- 上下文长度
- 4096 tokens
- 批次大小
- 256
- GPU 层数
- 20
- 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
- Apple M5 Max
- 标称显存
- 128 GB
- 实测显存（均值）
- 8.15 GB
- 系统
- Windows 11 23H2
- 驱动
- 555.85
- CUDA
- 12.6
- 电源功耗
- 250.7 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.34 · Windows 11 23H2 · CUDA 12.6 · 4096 ctx
253.55 tok/s
Decode
980.61 tok/s
Prefill
1.61 s
TTFT
8.15 GB
VRAM
—
MTP
250.7 W
功耗
L2 batch seed 2026-10-16: llama.cpp on hw_id=28 running model_id=54 at Q3_K_L