返回搜索结果
Qwen3-4B · Q3_K_S
NVIDIA RTX 407012GBvLLM v0.30L2 跨框架验证
本页汇总 Qwen3-4B（Q3_K_S）在 NVIDIA RTX 4070 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。
110.14 tok/s
Decode
解码速度
421.19 tok/s
Prefill
预填充速度
1.78 s
TTFT
首 token 延迟
7.56 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
- vLLM · Q3_K_S （当前）Decode 110.14 · Prefill 421.19 ·
- vLLM · Q4_K_M Decode 88.36 · Prefill 459.98 ·
核心数据
- Decode（平均）
- 110.14 tok/s
- Prefill（平均）
- 421.19 tok/s
- TTFT（平均）
- 1.78 s
- VRAM（平均）
- 7.56 GB
- MTP 接受率
- —
- TTFB
- 0.88 GB
- 功耗
- 238 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_S
- 框架
- vLLM
- 版本
- v0.30
- 上下文长度
- 32768 tokens
- 批次大小
- 16
- 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 RTX 4070
- 标称显存
- 12 GB
- 实测显存（均值）
- 7.56 GB
- 系统
- macOS 15.0
- 驱动
- 560.94
- CUDA
- 12.6
- 电源功耗
- 238 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.30 · macOS 15.0 · CUDA 12.6 · 32768 ctx
110.14 tok/s
Decode
421.19 tok/s
Prefill
1.78 s
TTFT
7.56 GB
VRAM
—
MTP
238 W
功耗
L2 batch seed 2026-10-13: vLLM on hw_id=45 running model_id=54 at Q3_K_S