返回搜索结果
Qwen3.5-0.8B · Q4_K_M
NVIDIA H2097GBvLLM v0.24L2 跨框架验证
本页汇总 Qwen3.5-0.8B（Q4_K_M）在 NVIDIA H20 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。
121.55 tok/s
Decode
解码速度
512.9 tok/s
Prefill
预填充速度
1.06 s
TTFT
首 token 延迟
3.48 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
17 天前
最后验证
性能表现
- llama.cpp · Q3_K_L Decode 129.02 · Prefill 590.22 ·
- vLLM · Q4_K_M （当前）Decode 121.55 · Prefill 512.9 ·
- vLLM · Q8_0 Decode 82.63 · Prefill 440.06 ·
核心数据
- Decode（平均）
- 121.55 tok/s
- Prefill（平均）
- 512.9 tok/s
- TTFT（平均）
- 1.06 s
- VRAM（平均）
- 3.48 GB
- MTP 接受率
- —
- TTFB
- 0.97 GB
- 功耗
- 390.9 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
- Q4_K_M
- 框架
- vLLM
- 版本
- v0.24
- 上下文长度
- 8192 tokens
- 批次大小
- 32
- 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 H20
- 标称显存
- 97 GB
- 实测显存（均值）
- 3.48 GB
- 系统
- Windows 11 24H2
- 驱动
- 570.86
- CUDA
- 12.6
- 电源功耗
- 390.9 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.24 · Windows 11 24H2 · CUDA 12.6 · 8192 ctx
121.55 tok/s
Decode
512.9 tok/s
Prefill
1.06 s
TTFT
3.48 GB
VRAM
—
MTP
390.9 W
功耗
L2 batch seed 2026-10-19: vLLM on hw_id=56 running model_id=51 at Q4_K_M