返回搜索结果
Qwen3-8B · Q4_K_S
2x AMD Strix HalovLLM v0.23L2 跨框架验证
本页汇总 Qwen3-8B（Q4_K_S）在 2x AMD Strix Halo 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。
137.45 tok/s
Decode
解码速度
721.98 tok/s
Prefill
预填充速度
0.59 s
TTFT
首 token 延迟
15.2 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
- vLLM · Q3_K_L Decode 159.39 · Prefill 715.55 ·
- vLLM · Q4_K_S （当前）Decode 137.45 · Prefill 721.98 ·
- Strata · IQ1_S Decode 293.93 · Prefill 1381.03 ·
- Strata · Q5_K_M Decode 157.71 · Prefill 787.63 ·
核心数据
- Decode（平均）
- 137.45 tok/s
- Prefill（平均）
- 721.98 tok/s
- TTFT（平均）
- 0.59 s
- VRAM（平均）
- 15.2 GB
- MTP 接受率
- —
- TTFB
- 1.1 GB
- 功耗
- 94.3 W
基础配置
成员级字段取自最近一次实测
- 模型
- Qwen3-8B
- 量化方式
- Q4_K_S
- 框架
- vLLM
- 版本
- v0.23
- 上下文长度
- 4096 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
- 2x AMD Strix Halo
- 实测显存（均值）
- 15.2 GB
- 系统
- Ubuntu 24.04
- 驱动
- 565.57
- CUDA
- N/A
- 电源功耗
- 94.3 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 N/A · 4096 ctx
137.45 tok/s
Decode
721.98 tok/s
Prefill
0.59 s
TTFT
15.2 GB
VRAM
—
MTP
94.3 W
功耗
L2 batch seed 2026-10-16: vLLM on hw_id=88 running model_id=53 at Q4_K_S