返回搜索结果
Qwen3-Embedding-0.6B · IQ4_XS
NVIDIA RTX 4060 Ti 16GB16GBvLLM v0.55L2 跨框架验证
本页汇总 Qwen3-Embedding-0.6B（IQ4_XS）在 NVIDIA RTX 4060 Ti 16GB 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。
223.15 tok/s
Decode
解码速度
875.24 tok/s
Prefill
预填充速度
0.18 s
TTFT
首 token 延迟
3.03 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
5 天前
最后验证
性能表现
- llama.cpp · Q4_K_S Decode 221.58 · Prefill 758 ·
- vLLM · IQ4_XS （当前）Decode 223.15 · Prefill 875.24 ·
核心数据
- Decode（平均）
- 223.15 tok/s
- Prefill（平均）
- 875.24 tok/s
- TTFT（平均）
- 0.18 s
- VRAM（平均）
- 3.03 GB
- MTP 接受率
- —
- TTFB
- 1.79 GB
- 功耗
- 280.7 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
- IQ4_XS
- 框架
- vLLM
- 版本
- v0.55
- 上下文长度
- 8192 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 RTX 4060 Ti 16GB
- 标称显存
- 16 GB
- 实测显存（均值）
- 3.03 GB
- 系统
- macOS 15.0
- 驱动
- 555.85
- CUDA
- 12.6
- 电源功耗
- 280.7 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.55 · macOS 15.0 · CUDA 12.6 · 8192 ctx
223.15 tok/s
Decode
875.24 tok/s
Prefill
0.18 s
TTFT
3.03 GB
VRAM
—
MTP
280.7 W
功耗
L2 batch seed 2026-10-13: vLLM on hw_id=3 running model_id=62 at IQ4_XS