返回搜索结果
Qwen3-4B · Q2_K
NVIDIA Jetson AGX Orin 64GB64GBvLLM v0.26L2 跨框架验证
本页汇总 Qwen3-4B（Q2_K）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。
95.78 tok/s
Decode
解码速度
454.64 tok/s
Prefill
预填充速度
2.45 s
TTFT
首 token 延迟
6.72 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 Decode 96.3 · Prefill 512.46 ·
- vLLM · Q2_K （当前）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）
- 95.78 tok/s
- Prefill（平均）
- 454.64 tok/s
- TTFT（平均）
- 2.45 s
- VRAM（平均）
- 6.72 GB
- MTP 接受率
- —
- TTFB
- 0.77 GB
- 功耗
- 44.1 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
- Q2_K
- 框架
- vLLM
- 版本
- v0.26
- 上下文长度
- 2048 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）
- 6.72 GB
- 系统
- JetPack 6.0
- 驱动
- NVIDIA L4T 36.3
- CUDA
- 12.6
- 电源功耗
- 44.1 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.26 · JetPack 6.0 · CUDA 12.6 · 2048 ctx
95.78 tok/s
Decode
454.64 tok/s
Prefill
2.45 s
TTFT
6.72 GB
VRAM
—
MTP
44.1 W
功耗
L2 batch seed 2026-10-16: vLLM on hw_id=76 running model_id=54 at Q2_K