返回搜索结果
Qwen3.5-0.8B · IQ2_M
NVIDIA H100 80GB HBM380GBvLLM v0.53L2 跨框架验证
本页汇总 Qwen3.5-0.8B（IQ2_M）在 NVIDIA H100 80GB HBM3 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。
294.68 tok/s
Decode
解码速度
1,324.31 tok/s
Prefill
预填充速度
0.41 s
TTFT
首 token 延迟
2.97 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
16 天前
最后验证
性能表现
- llama.cpp · Q4_K_S Decode 340.19 · Prefill 1569.8 ·
- vLLM · IQ2_M （当前）Decode 294.68 · Prefill 1324.31 ·
- vLLM · Q3_K_S Decode 355.68 · Prefill 1952.96 ·
核心数据
- Decode（平均）
- 294.68 tok/s
- Prefill（平均）
- 1,324.31 tok/s
- TTFT（平均）
- 0.41 s
- VRAM（平均）
- 2.97 GB
- MTP 接受率
- —
- TTFB
- 2.36 GB
- 功耗
- 630.6 W
基础配置
成员级字段取自最近一次实测
- 模型
- Qwen3.5-0.8B
- 量化方式
- IQ2_M
- 框架
- vLLM
- 版本
- v0.53
- 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 H100 80GB HBM3
- 标称显存
- 80 GB
- 实测显存（均值）
- 2.97 GB
- 系统
- Ubuntu 24.04
- 驱动
- 572.83
- CUDA
- 12.8
- 电源功耗
- 630.6 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.53 · Ubuntu 24.04 · CUDA 12.8 · 8192 ctx
294.68 tok/s
Decode
1,324.31 tok/s
Prefill
0.41 s
TTFT
2.97 GB
VRAM
—
MTP
630.6 W
功耗
L2 batch seed 2026-10-19: vLLM on hw_id=55 running model_id=51 at IQ2_M