返回搜索结果
Qwen3-8B · IQ4_XS
NVIDIA RTX 509032GBvLLM v0.42L2 跨框架验证
本页汇总 Qwen3-8B（IQ4_XS）在 NVIDIA RTX 5090 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。
252.51 tok/s
Decode
解码速度
829.1 tok/s
Prefill
预填充速度
1.53 s
TTFT
首 token 延迟
14.53 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 · IQ4_XS Decode 253.29 · Prefill 909.82 ·
- llama.cpp · Q6_K Decode 179.01 · Prefill 827.24 ·
- vLLM · IQ3_S Decode 284.83 · Prefill 1483.72 ·
- vLLM · IQ4_XS （当前）Decode 252.51 · Prefill 829.1 ·
- Ollama · Q5_K_M Decode 172.9 · Prefill 940.17 ·
- llama.cpp · Q8_0 Decode 162.5 · Prefill 1218.8 ·
- llama.cpp · Q5_K_M Decode 236.9 · Prefill 1776.8 ·
- llama.cpp · Q4_K_M Decode 285.3 · Prefill 2139.8 ·
核心数据
- Decode（平均）
- 252.51 tok/s
- Prefill（平均）
- 829.1 tok/s
- TTFT（平均）
- 1.53 s
- VRAM（平均）
- 14.53 GB
- MTP 接受率
- —
- TTFB
- 2.02 GB
- 功耗
- 435.9 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
- IQ4_XS
- 框架
- vLLM
- 版本
- v0.42
- 上下文长度
- 4096 tokens
- 批次大小
- 8
- GPU 层数
- 999
- Flash Attention
- 关闭
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 5090
- 标称显存
- 32 GB
- 实测显存（均值）
- 14.53 GB
- 系统
- Ubuntu 24.04
- 驱动
- 555.85
- CUDA
- 12.8
- 电源功耗
- 435.9 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.42 · Ubuntu 24.04 · CUDA 12.8 · 4096 ctx
252.51 tok/s
Decode
829.1 tok/s
Prefill
1.53 s
TTFT
14.53 GB
VRAM
—
MTP
435.9 W
功耗
L2 batch seed 2026-10-10: vLLM on hw_id=13 running model_id=53 at IQ4_XS