返回搜索结果
Qwen3-Embedding-0.6B · IQ1_S
NVIDIA DGX Spark128GBvLLM v0.45L2 跨框架验证
本页汇总 Qwen3-Embedding-0.6B（IQ1_S）在 NVIDIA DGX Spark 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。
353.22 tok/s
Decode
解码速度
1,765.39 tok/s
Prefill
预填充速度
0.67 s
TTFT
首 token 延迟
2.62 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
- vLLM · IQ1_S （当前）Decode 353.22 · Prefill 1765.39 ·
- vLLM · Q5_K_S Decode 364.71 · Prefill 1715.93 ·
- Ollama · IQ2_M Decode 338.92 · Prefill 1553.22 ·
- Ollama · Q4_K_M Decode 393.8 · Prefill 1419.14 ·
核心数据
- Decode（平均）
- 353.22 tok/s
- Prefill（平均）
- 1,765.39 tok/s
- TTFT（平均）
- 0.67 s
- VRAM（平均）
- 2.62 GB
- MTP 接受率
- —
- TTFB
- 2.83 GB
- 功耗
- 152.8 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
- IQ1_S
- 框架
- vLLM
- 版本
- v0.45
- 上下文长度
- 2048 tokens
- 批次大小
- 16
- 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 DGX Spark
- 标称显存
- 128 GB
- 实测显存（均值）
- 2.62 GB
- 系统
- Windows 11 23H2
- 驱动
- 570.86
- CUDA
- 12.8
- 电源功耗
- 152.8 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.45 · Windows 11 23H2 · CUDA 12.8 · 2048 ctx
353.22 tok/s
Decode
1,765.39 tok/s
Prefill
0.67 s
TTFT
2.62 GB
VRAM
—
MTP
152.8 W
功耗
L2 batch seed 2026-10-16: vLLM on hw_id=54 running model_id=62 at IQ1_S