返回搜索结果
Qwen3.5-0.8B · Q5_K_M
NVIDIA Jetson AGX Orin 64GB64GBvLLM v0.32L2 跨框架验证
本页汇总 Qwen3.5-0.8B（Q5_K_M）在 NVIDIA Jetson AGX Orin 64GB 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。
125.95 tok/s
Decode
解码速度
424.45 tok/s
Prefill
预填充速度
1.38 s
TTFT
首 token 延迟
3.66 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 · IQ2_M Decode 177.54 · Prefill 614.93 ·
- llama.cpp · IQ2_XS Decode 200.96 · Prefill 773.99 ·
- Ollama · IQ3_S Decode 138.5 · Prefill 456.82 ·
- Ollama · Q5_K_S Decode 116.4 · Prefill 439.62 ·
- vLLM · IQ4_XS Decode 140.75 · Prefill 759.45 ·
- vLLM · Q5_K_M （当前）Decode 125.95 · Prefill 424.45 ·
核心数据
- Decode（平均）
- 125.95 tok/s
- Prefill（平均）
- 424.45 tok/s
- TTFT（平均）
- 1.38 s
- VRAM（平均）
- 3.66 GB
- MTP 接受率
- —
- TTFB
- 1.01 GB
- 功耗
- 30 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
- Q5_K_M
- 框架
- vLLM
- 版本
- v0.32
- 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 Jetson AGX Orin 64GB
- 标称显存
- 64 GB
- 实测显存（均值）
- 3.66 GB
- 系统
- JetPack 6.0
- 驱动
- NVIDIA L4T 36.3
- CUDA
- 12.6
- 电源功耗
- 30 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.32 · JetPack 6.0 · CUDA 12.6 · 2048 ctx
125.95 tok/s
Decode
424.45 tok/s
Prefill
1.38 s
TTFT
3.66 GB
VRAM
—
MTP
30 W
功耗
L2 batch seed 2026-10-13: vLLM on hw_id=76 running model_id=51 at Q5_K_M