返回搜索结果
Qwen3-4B · Q3_K_L
NVIDIA RTX 4070 Ti12GBllama.cpp v0.23L2 跨框架验证
本页汇总 Qwen3-4B（Q3_K_L）在 NVIDIA RTX 4070 Ti 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。
107.42 tok/s
Decode
解码速度
453.38 tok/s
Prefill
预填充速度
1.96 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
5 天前
最后验证
性能表现
- llama.cpp · Q3_K_L （当前）Decode 107.42 · Prefill 453.38 ·
- llama.cpp · Q4_K_M Decode 104 · Prefill 443.35 ·
- vLLM · Q8_0 Decode 66.34 · Prefill 241.62 ·
核心数据
- Decode（平均）
- 107.42 tok/s
- Prefill（平均）
- 453.38 tok/s
- TTFT（平均）
- 1.96 s
- VRAM（平均）
- 8.15 GB
- MTP 接受率
- —
- TTFB
- 0.86 GB
- 功耗
- 275.4 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
- v0.23
- 上下文长度
- 32768 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 RTX 4070 Ti
- 标称显存
- 12 GB
- 实测显存（均值）
- 8.15 GB
- 系统
- Ubuntu 24.04
- 驱动
- 565.57
- CUDA
- 12.4
- 电源功耗
- 275.4 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.23 · Ubuntu 24.04 · CUDA 12.4 · 32768 ctx
107.42 tok/s
Decode
453.38 tok/s
Prefill
1.96 s
TTFT
8.15 GB
VRAM
—
MTP
275.4 W
功耗
L2 batch seed 2026-10-13: llama.cpp on hw_id=42 running model_id=54 at Q3_K_L