Arao AI
返回搜索结果

Qwen3-4B · Q5_K_M

发起讨论
NVIDIA DGX Spark128GBStrata v0.21L2 跨框架验证

本页汇总 Qwen3-4B（Q5_K_M）在 NVIDIA DGX Spark 上以 Strata 运行的 2 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。

221.01 tok/s

Decode

解码速度

864.66 tok/s

Prefill

预填充速度

1.24 s

TTFT

首 token 延迟

9.91 GB

VRAM

显存占用

L2 跨框架验证

2

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

  1. llama.cpp · Q3_K_M Decode 206.5 · Prefill 1076.24 ·
  2. Strata · Q3_K_S Decode 338.04 · Prefill 1544.38 ·
  3. Strata · Q5_K_M （当前）Decode 221.01 · Prefill 864.66 ·
  4. vLLM · Q3_K_L Decode 202.71 · Prefill 852.86 ·
  5. Strata · IQ1_S Decode 323.83 · Prefill 1439.4 ·

核心数据

Decode（平均）
221.01 tok/s
Prefill（平均）
864.66 tok/s
TTFT（平均）
1.24 s
VRAM（平均）
9.91 GB
MTP 接受率
0.67
TTFB
1.77 GB
功耗
254.95 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
Q5_K_M
框架
Strata
版本
v0.21
上下文长度
4096 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 DGX Spark
标称显存
128 GB
实测显存（均值）
9.91 GB
系统
macOS 15.0
驱动
570.86
CUDA
12.4
电源功耗
266.2 W

来源与证据

共 2 条实测记录，逐条可回溯到原始出处

  1. L2 跨框架验证其他原始链接 验证于 2026-10-16

    v0.21 · macOS 15.0 · CUDA 12.4 · 4096 ctx

    221.82 tok/s

    Decode

    760.91 tok/s

    Prefill

    1.45 s

    TTFT

    9.91 GB

    VRAM

    0.62

    MTP

    266.2 W

    功耗

    L2 batch seed 2026-10-16: Strata on hw_id=54 running model_id=54 at Q5_K_M
  2. L2 跨框架验证其他原始链接 验证于 2026-10-13

    v0.31 · Ubuntu 24.04 · CUDA 12.8 · 8192 ctx

    220.2 tok/s

    Decode

    968.4 tok/s

    Prefill

    1.04 s

    TTFT

    9.91 GB

    VRAM

    0.72

    MTP

    243.7 W

    功耗

    L2 batch seed 2026-10-13: Strata on hw_id=54 running model_id=54 at Q5_K_M