返回搜索结果
Qwen3-Embedding-0.6B · IQ2_M
Apple M5 Max128GBvLLM v0.32L2 跨框架验证
本页汇总 Qwen3-Embedding-0.6B（IQ2_M）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。
302.89 tok/s
Decode
解码速度
1,094.91 tok/s
Prefill
预填充速度
2 s
TTFT
首 token 延迟
2.75 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 Decode 257.66 · Prefill 966.33 ·
- vLLM · IQ2_M （当前）Decode 302.89 · Prefill 1094.91 ·
- Ollama · IQ3_XS Decode 290.71 · Prefill 1516.13 ·
核心数据
- Decode（平均）
- 302.89 tok/s
- Prefill（平均）
- 1,094.91 tok/s
- TTFT（平均）
- 2 s
- VRAM（平均）
- 2.75 GB
- MTP 接受率
- —
- TTFB
- 2.42 GB
- 功耗
- 223.9 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
- IQ2_M
- 框架
- vLLM
- 版本
- v0.32
- 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
- Apple M5 Max
- 标称显存
- 128 GB
- 实测显存（均值）
- 2.75 GB
- 系统
- macOS 15.0
- 驱动
- 555.85
- CUDA
- 12.8
- 电源功耗
- 223.9 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.32 · macOS 15.0 · CUDA 12.8 · 4096 ctx
302.89 tok/s
Decode
1,094.91 tok/s
Prefill
2 s
TTFT
2.75 GB
VRAM
—
MTP
223.9 W
功耗
L2 batch seed 2026-10-16: vLLM on hw_id=28 running model_id=62 at IQ2_M