Arao AI
返回搜索结果

Qwen3-8B · Q4_K_S

发起讨论
NVIDIA RTX 409024GBvLLM v0.27L2 跨框架验证

本页汇总 Qwen3-8B（Q4_K_S）在 NVIDIA RTX 4090 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。

126.59 tok/s

Decode

解码速度

467.91 tok/s

Prefill

预填充速度

1.8 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

今天

最后验证

性能表现

  1. llama.cpp · Q6_K Decode 88.33 · Prefill 428.17 ·
  2. llama.cpp · Q8_0 Decode 89.31 · Prefill 494.75 ·
  3. vLLM · Q4_K_S （当前）Decode 126.59 · Prefill 467.91 ·
  4. vLLM · Q8_0 Decode 76.65 · Prefill 513.21 ·
  5. Ollama · Q6_K Decode 82.66 · Prefill 332.47 ·
  6. llama.cpp · IQ4_XS Decode 112 · Prefill 1323 ·
  7. vLLM · IQ4_XS Decode 104 · Prefill 1176 ·
  8. vLLM · Q4_K_M Decode 96 · Prefill 1061 ·
  9. vLLM · Q5_K_M Decode 95 · Prefill 815 ·
  10. Ollama · Q4_K_M Decode 113 · Prefill 922 ·
  11. Ollama · Q5_K_M Decode 95 · Prefill 1090 ·
  12. llama.cpp · Q5_K_M Decode 133.3 · Prefill 999.8 ·
  13. llama.cpp · Q4_K_M Decode 160.5 · Prefill 1203.8 ·

核心数据

Decode（平均）
126.59 tok/s
Prefill（平均）
467.91 tok/s
TTFT（平均）
1.8 s
VRAM（平均）
15.2 GB
MTP 接受率
—
TTFB
1.01 GB
功耗
366.7 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
v0.27
上下文长度
16384 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 RTX 4090
标称显存
24 GB
实测显存（均值）
15.2 GB
系统
macOS 15.0
驱动
555.85
CUDA
12.6
电源功耗
366.7 W

来源与证据

共 1 条实测记录，逐条可回溯到原始出处

  1. L2 跨框架验证其他原始链接 验证于 2026-10-10

    v0.27 · macOS 15.0 · CUDA 12.6 · 16384 ctx

    126.59 tok/s

    Decode

    467.91 tok/s

    Prefill

    1.8 s

    TTFT

    15.2 GB

    VRAM

    —

    MTP

    366.7 W

    功耗

    L2 batch seed 2026-10-10: vLLM on hw_id=1 running model_id=53 at Q4_K_S