返回搜索结果
Qwen3.5-0.8B · IQ4_XS
NVIDIA RTX 4060 Ti 16GB16GBvLLM v0.45L2 跨框架验证
本页汇总 Qwen3.5-0.8B（IQ4_XS）在 NVIDIA RTX 4060 Ti 16GB 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。
206.77 tok/s
Decode
解码速度
955.7 tok/s
Prefill
预填充速度
2.22 s
TTFT
首 token 延迟
3.34 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 · FP16 Decode 128.16 · Prefill 630.91 ·
- vLLM · Q4_K_S Decode 240.41 · Prefill 996.87 ·
- Ollama · Q5_K_S Decode 177.61 · Prefill 661.12 ·
- Ollama · Q6_K Decode 170.01 · Prefill 704.45 ·
- vLLM · IQ4_XS （当前）Decode 206.77 · Prefill 955.7 ·
- vLLM · Q3_K_S Decode 239.77 · Prefill 1073.87 ·
- Ollama · IQ1_S Decode 259.18 · Prefill 1280.06 ·
核心数据
- Decode（平均）
- 206.77 tok/s
- Prefill（平均）
- 955.7 tok/s
- TTFT（平均）
- 2.22 s
- VRAM（平均）
- 3.34 GB
- MTP 接受率
- —
- TTFB
- 1.65 GB
- 功耗
- 359.3 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
- IQ4_XS
- 框架
- vLLM
- 版本
- v0.45
- 上下文长度
- 32768 tokens
- 批次大小
- 8
- 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 RTX 4060 Ti 16GB
- 标称显存
- 16 GB
- 实测显存（均值）
- 3.34 GB
- 系统
- Ubuntu 22.04
- 驱动
- 555.85
- CUDA
- 12.4
- 电源功耗
- 359.3 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.45 · Ubuntu 22.04 · CUDA 12.4 · 32768 ctx
206.77 tok/s
Decode
955.7 tok/s
Prefill
2.22 s
TTFT
3.34 GB
VRAM
—
MTP
359.3 W
功耗
L2 batch seed 2026-10-13: vLLM on hw_id=3 running model_id=51 at IQ4_XS