返回搜索结果
Qwen3.5-0.8B · Q5_K_S
NVIDIA RTX 309024GBllama.cpp v0.50L2 跨框架验证
本页汇总 Qwen3.5-0.8B（Q5_K_S）在 NVIDIA RTX 3090 上以 llama.cpp 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。
157.88 tok/s
Decode
解码速度
604.44 tok/s
Prefill
预填充速度
0.39 s
TTFT
首 token 延迟
3.61 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 · Q5_K_S （当前）Decode 157.88 · Prefill 604.44 ·
- Ollama · IQ2_M Decode 246.2 · Prefill 1112.28 ·
- vLLM · Q3_K_M Decode 217.39 · Prefill 922.41 ·
- vLLM · Q3_K_S Decode 241.45 · Prefill 1059.79 ·
- Ollama · Q3_K_L Decode 178.6 · Prefill 868.06 ·
- Ollama · Q5_K_M Decode 146.73 · Prefill 547.3 ·
- llama.cpp · IQ2_M Decode 352.68 · Prefill 1697.91 ·
- llama.cpp · Q3_K_L Decode 315.76 · Prefill 1365.7 ·
- Strata · IQ4_XS Decode 382.98 · Prefill 1282.3 ·
- Strata · Q3_K_M Decode 336.19 · Prefill 1574.41 ·
核心数据
- Decode（平均）
- 157.88 tok/s
- Prefill（平均）
- 604.44 tok/s
- TTFT（平均）
- 0.39 s
- VRAM（平均）
- 3.61 GB
- MTP 接受率
- —
- TTFB
- 1.26 GB
- 功耗
- 297.7 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_S
- 框架
- llama.cpp
- 版本
- v0.50
- 上下文长度
- 16384 tokens
- 批次大小
- 512
- GPU 层数
- 99
- 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 3090
- 标称显存
- 24 GB
- 实测显存（均值）
- 3.61 GB
- 系统
- Ubuntu 22.04
- 驱动
- 565.57
- CUDA
- 12.6
- 电源功耗
- 297.7 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.50 · Ubuntu 22.04 · CUDA 12.6 · 16384 ctx
157.88 tok/s
Decode
604.44 tok/s
Prefill
0.39 s
TTFT
3.61 GB
VRAM
—
MTP
297.7 W
功耗
L2 batch seed 2026-10-19: llama.cpp on hw_id=2 running model_id=51 at Q5_K_S