返回搜索结果
Qwen3-8B · Q3_K_L
Apple M4 Max128GBllama.cpp v0.36L2 跨框架验证
本页汇总 Qwen3-8B（Q3_K_L）在 Apple M4 Max 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。
189.78 tok/s
Decode
解码速度
777.5 tok/s
Prefill
预填充速度
0.66 s
TTFT
首 token 延迟
14.2 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
今天
最后验证
性能表现
- llama.cpp · Q2_K Decode 238 · Prefill 1037.55 ·
- llama.cpp · Q3_K_L （当前）Decode 189.78 · Prefill 777.5 ·
- vLLM · FP16 Decode 103.62 · Prefill 346.91 ·
- vLLM · IQ1_S Decode 287.05 · Prefill 1522.92 ·
- Ollama · FP16 Decode 81 · Prefill 424.01 ·
- Ollama · IQ4_XS Decode 182.06 · Prefill 996.81 ·
核心数据
- Decode（平均）
- 189.78 tok/s
- Prefill（平均）
- 777.5 tok/s
- TTFT（平均）
- 0.66 s
- VRAM（平均）
- 14.2 GB
- MTP 接受率
- —
- TTFB
- 1.52 GB
- 功耗
- 62.8 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
- Q3_K_L
- 框架
- llama.cpp
- 版本
- v0.36
- 上下文长度
- 4096 tokens
- 批次大小
- 256
- 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
- Apple M4 Max
- 标称显存
- 128 GB
- 实测显存（均值）
- 14.2 GB
- 系统
- macOS 15.0
- 驱动
- Apple M4 Max
- CUDA
- N/A
- 电源功耗
- 62.8 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.36 · macOS 15.0 · CUDA N/A · 4096 ctx
189.78 tok/s
Decode
777.5 tok/s
Prefill
0.66 s
TTFT
14.2 GB
VRAM
—
MTP
62.8 W
功耗
L2 batch seed 2026-10-10: llama.cpp on hw_id=26 running model_id=53 at Q3_K_L