返回搜索结果
Qwen3-Embedding-0.6B · FP16
Apple M5 Max128GBvLLM v0.50L2 跨框架验证
本页汇总 Qwen3-Embedding-0.6B（FP16）在 Apple M5 Max 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。
257.66 tok/s
Decode
解码速度
966.33 tok/s
Prefill
预填充速度
1.43 s
TTFT
首 token 延迟
4.43 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
- llama.cpp · Q6_K Decode 297.37 · Prefill 1423.38 ·
- vLLM · FP16 （当前）Decode 257.66 · Prefill 966.33 ·
- vLLM · IQ2_M Decode 302.89 · Prefill 1094.91 ·
- Ollama · IQ3_XS Decode 290.71 · Prefill 1516.13 ·
核心数据
- Decode（平均）
- 257.66 tok/s
- Prefill（平均）
- 966.33 tok/s
- TTFT（平均）
- 1.43 s
- VRAM（平均）
- 4.43 GB
- MTP 接受率
- —
- TTFB
- 2.06 GB
- 功耗
- 186.8 W
基础配置
成员级字段取自最近一次实测
- 模型
- Qwen3-Embedding-0.6B
- 量化方式
- FP16
- 框架
- vLLM
- 版本
- v0.50
- 上下文长度
- 16384 tokens
- 批次大小
- 32
- 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
- Apple M5 Max
- 标称显存
- 128 GB
- 实测显存（均值）
- 4.43 GB
- 系统
- Ubuntu 22.04
- 驱动
- 565.57
- CUDA
- 12.4
- 电源功耗
- 186.8 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.50 · Ubuntu 22.04 · CUDA 12.4 · 16384 ctx
257.66 tok/s
Decode
966.33 tok/s
Prefill
1.43 s
TTFT
4.43 GB
VRAM
—
MTP
186.8 W
功耗
L2 batch seed 2026-10-16: vLLM on hw_id=28 running model_id=62 at FP16