返回搜索结果
Qwen3-Embedding-0.6B · IQ1_S
NVIDIA RTX 408016GBvLLM v0.39L2 跨框架验证
本页汇总 Qwen3-Embedding-0.6B（IQ1_S）在 NVIDIA RTX 4080 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。
305.89 tok/s
Decode
解码速度
1,188.81 tok/s
Prefill
预填充速度
2.38 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
5 天前
最后验证
性能表现
- vLLM · IQ1_S （当前）Decode 305.89 · Prefill 1188.81 ·
- vLLM · Q3_K_S Decode 310.84 · Prefill 1177.49 ·
- Strata · Q3_K_S Decode 388.23 · Prefill 2020.82 ·
核心数据
- Decode（平均）
- 305.89 tok/s
- Prefill（平均）
- 1,188.81 tok/s
- TTFT（平均）
- 2.38 s
- VRAM（平均）
- 2.62 GB
- MTP 接受率
- —
- TTFB
- 2.45 GB
- 功耗
- 336.3 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
- v0.39
- 上下文长度
- 4096 tokens
- 批次大小
- 16
- 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 4080
- 标称显存
- 16 GB
- 实测显存（均值）
- 2.62 GB
- 系统
- Ubuntu 22.04
- 驱动
- 555.85
- CUDA
- 12.4
- 电源功耗
- 336.3 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.39 · Ubuntu 22.04 · CUDA 12.4 · 4096 ctx
305.89 tok/s
Decode
1,188.81 tok/s
Prefill
2.38 s
TTFT
2.62 GB
VRAM
—
MTP
336.3 W
功耗
L2 batch seed 2026-10-13: vLLM on hw_id=41 running model_id=62 at IQ1_S