返回搜索结果
Qwen3-4B · Q3_K_M
NVIDIA DGX Spark128GBllama.cpp v0.45L2 跨框架验证
本页汇总 Qwen3-4B（Q3_K_M）在 NVIDIA DGX Spark 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。
206.5 tok/s
Decode
解码速度
1,076.24 tok/s
Prefill
预填充速度
0.36 s
TTFT
首 token 延迟
7.81 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_M （当前）Decode 206.5 · Prefill 1076.24 ·
- Strata · Q3_K_S Decode 338.04 · Prefill 1544.38 ·
- Strata · Q5_K_M Decode 221.01 · Prefill 864.66 ·
- vLLM · Q3_K_L Decode 202.71 · Prefill 852.86 ·
- Strata · IQ1_S Decode 323.83 · Prefill 1439.4 ·
核心数据
- Decode（平均）
- 206.5 tok/s
- Prefill（平均）
- 1,076.24 tok/s
- TTFT（平均）
- 0.36 s
- VRAM（平均）
- 7.81 GB
- MTP 接受率
- —
- TTFB
- 1.65 GB
- 功耗
- 165.5 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_M
- 框架
- llama.cpp
- 版本
- v0.45
- 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 DGX Spark
- 标称显存
- 128 GB
- 实测显存（均值）
- 7.81 GB
- 系统
- Ubuntu 22.04
- 驱动
- 555.85
- CUDA
- 12.4
- 电源功耗
- 165.5 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.45 · Ubuntu 22.04 · CUDA 12.4 · 4096 ctx
206.5 tok/s
Decode
1,076.24 tok/s
Prefill
0.36 s
TTFT
7.81 GB
VRAM
—
MTP
165.5 W
功耗
L2 batch seed 2026-10-16: llama.cpp on hw_id=54 running model_id=54 at Q3_K_M