返回搜索结果
Qwen3-4B · IQ2_M
NVIDIA Jetson AGX Orin 64GB64GBvLLM v0.39L2 跨框架验证
本页汇总 Qwen3-4B（IQ2_M）在 NVIDIA Jetson AGX Orin 64GB 上以 vLLM 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。
96.3 tok/s
Decode
解码速度
512.46 tok/s
Prefill
预填充速度
1.22 s
TTFT
首 token 延迟
6.47 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 · IQ2_M Decode 92.76 · Prefill 306.43 ·
- vLLM · IQ2_M （当前）Decode 96.3 · Prefill 512.46 ·
- vLLM · Q2_K Decode 95.78 · Prefill 454.64 ·
- Ollama · IQ3_S Decode 73.25 · Prefill 282.68 ·
- Ollama · Q4_K_M Decode 58.47 · Prefill 300.76 ·
核心数据
- Decode（平均）
- 96.3 tok/s
- Prefill（平均）
- 512.46 tok/s
- TTFT（平均）
- 1.22 s
- VRAM（平均）
- 6.47 GB
- MTP 接受率
- —
- TTFB
- 0.77 GB
- 功耗
- 48.2 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
- IQ2_M
- 框架
- vLLM
- 版本
- v0.39
- 上下文长度
- 16384 tokens
- 批次大小
- 8
- GPU 层数
- 999
- 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 Jetson AGX Orin 64GB
- 标称显存
- 64 GB
- 实测显存（均值）
- 6.47 GB
- 系统
- JetPack 6.0
- 驱动
- NVIDIA L4T 36.3
- CUDA
- 12.6
- 电源功耗
- 48.2 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.39 · JetPack 6.0 · CUDA 12.6 · 16384 ctx
96.3 tok/s
Decode
512.46 tok/s
Prefill
1.22 s
TTFT
6.47 GB
VRAM
—
MTP
48.2 W
功耗
L2 batch seed 2026-10-16: vLLM on hw_id=76 running model_id=54 at IQ2_M